4、在线优先最近邻浏览与网络时间图模式挖掘

在线优先最近邻浏览与网络时间图模式挖掘

在线优先最近邻浏览算法性能分析

在处理图中的优先最近邻（NN）浏览问题时，不同规模的数据集下，不同算法的性能表现差异明显。

大数据集情况

对于属于大数据集的Q1、Q2和Q3查询，图9展示了不同算法的性能。在固定K值的情况下，从图9(a)到图9(f)可以看出，基于中心的处理算法（Center - D、Center - R和Center - L）相较于Pairwise算法具有明显优势。这三种基于中心的算法性能相近，且在处理时间和IO次数上比Pairwise算法少一个数量级。例如，当K = 500,000时，对于Q3查询，Pairwise算法需要24,013.76毫秒，而Center - D、Center - R和Center - L分别只需3,257.48、3,199.33和4,199.69毫秒；在IO次数方面，Pairwise消耗7,092次，而Center - D、Center - R和Center - L分别为1,290、1,141和1,714次。

当K值增加时，从图9(g)到图9(l)可以发现，基于中心的处理算法优势更加明显。以图9(g)为例，Center - D的处理时间从1,392.42毫秒到3,974.71毫秒，而Pairwise从7,882.60毫秒到23,924.01毫秒。并且，Center - D的IO次数对K值的增加不敏感，其IO次数从1,139到1,290，而Pairwise从1,928到7,051。

算法	K = 500,000时Q3处理时间（毫秒）	K = 500