《表3 PDBSV2数据集上的实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于邻居信息聚合的子图同构匹配算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

与其他算法的对比实验结果如表3所示。从表3中的数据可以看出，随着模式图规模的增大，求解的平均时间总体呈上升趋势。VFGCN算法求解的平均时间对比VF2算法、ILF算法和Path LAD算法在6组实验中均是最短的，对比VF3算法在规模为Q64和Q128时VF3算法略有优势。其原因在于，VFGCN算法对节点的匹配顺序进行了优化，降低了搜索次数，并提取了节点的局部邻域信息，对于不可行解更有效地进行了剪枝。但是在规模为Q64和Q128时，VF3算法首先对模式图中的节点计算匹配概率以此来确定匹配顺序，并对节点进行分类，不属于同一个类别的节点不能够进行匹配，在面对规模更大模式图的时候比VFGCN算法更能对值域进行修剪。但是同样，VF3算法在计算规模偏大的模式图节点的选择概率和对节点进行分类时，所耗费的预处理时间也更长了。