pdf (18647 Kb) - Fachgebiet Datenbanken und Informationssysteme ...
pdf (18647 Kb) - Fachgebiet Datenbanken und Informationssysteme ...
pdf (18647 Kb) - Fachgebiet Datenbanken und Informationssysteme ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Knoten<br />
Iteration<br />
1 2 3 10 20 30 40 48 49 50<br />
(a, b) 0.5 0.5 0.5 0.831 1 1 1 1 1 1<br />
(a 1 , b) 1 1 1 1 0.301 0.072 0.017 0.006 0.005 0.004<br />
(a 1 , b 1 ) 0.5 0.375 0.313 0.336 0.383 0.383 0.383 0.383 0.383 0.383<br />
(a 1 , b 2 ) 0 0 0.063 0.539 0.706 0.707 0.707 0.707 0.707 0.707<br />
(a 2 , b 1 ) 0 0.125 0.188 0.723 0.923 0.924 0.924 0.924 0.924 0.924<br />
(a 2 , b 2 ) 1 1 1 1 0.301 0.072 0.017 0.006 0.005 0.004<br />
Tabelle 7.7.: Entwicklung der Ähnlichkeitswerte über mehrere Iterationen (Graph 1) für<br />
Fall 4<br />
Fall 5<br />
In Fall 5 wurden die Anfangsähnlichkeiten aller Knoten auf zufällige Werte im Intervall<br />
(0, 1] gesetzt. Dabei wurde dieser Fall als einziger mehrfach mit jeweils neuen Zufallswerten<br />
für die Anfangsähnlichkeiten durchgeführt, um allgemein über die Ergebnisse<br />
aussagen zu können.<br />
Nachdem in den bisherigen Fällen festgestellt wurde, dass das Similarity Flooding<br />
sehr robust gegenüber Störungen bei den Anfangsähnlichkeiten ist, ist anzunehmen, dass<br />
sich Zufallswerte nicht wesentlich auf den Fixpunkt auswirken, der erreicht wird. Nur<br />
bei Graph 7 könnte man aufgr<strong>und</strong> der Struktur vermuten, dass es hier zu Änderungen<br />
kommen könnte.<br />
Die Experimente bestätigen die Vermutung, dass bei den Graphen 1 bis 6 trotz Zufallswerten<br />
derselbe Fixpunkt erreicht wird wie in Fall 1. Lediglich die Anzahl der Iterationen<br />
(vgl. Tabelle 7.4) unterscheidet sich, wobei die Unterschiede in Fall 5 verglichen mit Fall<br />
1 wesentlich geringer ausfallen als etwa in Fall 4 verglichen mit Fall 1.<br />
Wie vermutet zeigen die Ergebnisse der Experimente auch, dass Graph 7 eine Ausnahme<br />
darstellt. Hier stellt sich, je nachdem, wie die Zufallswerte ausfallen, entweder<br />
ein Fixpunkt ein, der die Zusammenhangskomponente {(ai), (bj), (bk), (cj), (ck), (dl)}<br />
begünstigt – das heißt deren Knoten höhere absolute Ähnlichkeitswerte ausweisen –<br />
oder einer, der die ZHK {(ei), (fj), (fk), (gj), (gk), (hl)} begünstigt. Die Ähnlichkeitswerte<br />
der Knoten der begünstigten ZHK sind dieselben wie im Fixpunkt von Fall 1, alle<br />
anderen Werte unterscheiden sich von den dort ermittelten.<br />
Tabelle 7.8 stellt der Vollständigkeit halber die Entwicklung der Ähnlichkeitswerte<br />
über mehrere Iterationen am Beispiel von Graph 1 für Fall 5 dar.<br />
Zusammenfassung <strong>und</strong> Zwischenfazit<br />
Die in diesem Abschnitt durchgeführten Experimente haben einige interessante Eigenschaften<br />
des Similarity Flooding gezeigt. Es konnte ein Zusammenhang der Ergebnisse,<br />
die der Algorithmus liefert, mit den Zusammenhangskomponenten der PCGs der Testgraphen<br />
festgestellt werden. Offenbar sind nur bestimmte ZHK für die „relevanten“ Werte<br />
im Fixpunkt verantwortlich, während die Ähnlichkeitswerte der Knoten von allen an-<br />
55