2、基于多模态网络的基元图存储与多线程程序竞态条件错误检测

基于多模态网络的基元图存储与多线程程序竞态条件错误检测

基元图相关操作与多模态网络

在处理基元图时，有几个关键的操作和概念。首先是两个基元图 $G1$ 和 $G2$ 的交集定义。可以将其定义为找到一个顶点和边的集合，该集合与 $G1$ 和 $G2$ 都具有最高的相似度（$sim$）和最低的距离（$dist$）系数，具体公式如下：
[
G1 \cap G2 = \min_{Gm,\xi} \text{dist}(G1 \cap G2, G1) + \text{dist}(G1 \cap G2, G2)
]
[
\text{s.t.}
\begin{cases}
\text{dist}(G1, G2) \leq \xi \
\text{dist}(G1 \cap G2, G1) \leq \xi \
\text{dist}(G1 \cap G2, G2) \leq \xi \
\xi \geq 0
\end{cases}
]
其中，$\xi$ 是被认为相似的两个基元图之间的最大距离。

为了计算基元图的平均图，还定义了 $avg$ 操作，具体步骤如下：
1. 创建一个空的基元平均图 $G_{avg}$。
2. 对于 $avg(G_{m1}, G_{m2}, \cdots, G_{mi}, \cdots, G_{mn})$ 参数给出的每个平均图 $G_{mi}$：
- 对于 $G_{mi}$ 的每对顶点 $v_{mil}$ 和 $v_{mik}$ 以及它们之间的边 $e_{milk}$：
- 检查至少一半的其他平均图是否包含与 $v_{mi