Resumen de Extracción automática de conocimiento en bases de datos
En la Tesis se han abordado problemas relacionados con la aplicación de técnicas de minería de datos para la extracción automática de conocimiento en casos dónde las estrategias actuales no eran aplicables, Las principales aportaciones realizadas se organizan en tres puntos.
Se ha desarrollado un algoritmo eficiente para la extracción de reglas asociativas de bajo soporte. Esta aportación permite aplicar esta técnica de minería a ciertos conjuntos de datos complejos, los cuales eran intratables en términos prácticos hasta ahora.
Por otro lado, se ha propuesto un método para evaluar la significación estadística de semejanzas en estructuras tridimensionales de proteínas tras la aplicación de algoritmos de búsqueda por comparación, que permitirá realizar búsquedas intensivas y automáticas de patrones localizando o identificando los parecidos estructurales relevantes.
Se ha diseñado un modelo de descripción del contenido de vídeo científico que permite el acceso y análisis de esta información. Con esta aportación se ofrece la oportunidad de aplicar técnicas de minería a unos datos que han sido ignorados hasta ahora debido a su carácter no estructurado.
Estos desarrollos se han aplicado a conjuntos de datos biológicos de diferente complejidad: secuencias, estructuras tridimensionales y videos, demostrando su validez y utilidad en un dominio de aplicación real.
Estas aportaciones permiten abordar problemas de extracción de conocimiento en dominios de aplicación científica muy interesantes y actuales como el análisis de información producida en proyectos del tipo "genoma humano" y nos abren el camino a nuevas oportunidades de desarrollo en el tratamiento de video.
