对给定图，实现图的深度优先遍历和广度优先遍历。以邻接表或邻接矩阵为存储结构，实现连通无向图的深度优先和广度优先遍历。以用户指定的结点为起点，分别输出每种遍历下的结点访问序列，并调试算法。

在图论中，深度优先遍历（Depth-First Search，DFS）和广度优先遍历（Breadth-First Search，BFS）是非常常见的两种搜索算法。以下是基于邻接表和邻接矩阵这两种常见数据结构的实现：

**邻接表存储结构：**

class Graph:
    def __init__(self):
        self.vertices = {}
    
    # DFS实现
    def dfs(self, start_node):
        visited = set()
        stack = [start_node]
        
        while stack:
            node = stack.pop()
            if node not in visited:
                print(node, end=" -> ")
                visited.add(node)
                
                for neighbor in self.vertices[node]:
                    if neighbor not in visited:
                        stack.append(neighbor)
            
    # BFS实现
    def bfs(self, start_node):
        visited = set()
        queue = [start_node]
        
        while queue:
            node = queue.pop(0)
            if node not in visited:
                print(node, end=" -> ")
                visited.add(node)
                
                for neighbor in self.vertices[node]:
                    if neighbor not in visited:
                        queue.append(neighbor)

**邻接矩阵存储结构：**

class AdjacencyMatrixGraph:
    def __init__(self, num_vertices):
        self.matrix = [[0] * num_vertices for _ in range(num_vertices)]
        
    # DFS和BFS实现与邻接表版本类似，只是获取邻居的方式不同
    def dfs_matrix(self, start_node):
        # ... (同上，但通过索引来查找邻居)

    def bfs_matrix(self, start_node):
        # ... (同上，但通过索引来查找邻居)

为了调试算法，可以添加一些边界条件检查和异常处理，例如检查输入节点是否存在、循环检测等。运行遍历时，观察输出的结点访问序列是否符合预期，并记录每次遍历的时间性能。