首先,理解函数卷积的定义——函数卷积的傅里叶变换是函数傅里叶变换的乘积。
卷积:可以看作是一个函数在另一个函数上滑动叠加的过程。
用数学公式表达就是:
其中:
- f * g 表示两个函数 f和 g的卷积。
- F{f} 表示函数 f 的傅里叶变换。
其次,时域和频域的关系——时域可以通过傅里叶变换变换为频域。
时域信号通过傅立叶变换为频域信息,频域信息通过逆傅立叶变换为时域信息。
卷积定理告诉我们,时域中的卷积操作在频域中对应于简单的乘法操作。
在图傅立叶变换中,假设我们有一个简单的图G和两个图信号f和g,我们将使用谱图卷积进行卷积操作。
对图G的邻接矩阵A的拉普拉斯矩阵进行特征分解,得到矩阵U,对图信号f做傅立叶变换相当于UTf,对信号做逆傅立叶变换相当于U,类比拉普拉斯算子。
其中,⊙ 代表矩阵的哈达玛积,也就是矩阵点乘。
GCN的卷积操作可以从Spectral GCN的角度也可以从Spatial GCN的角度理解。
下图的k代表特征向量的k阶表示,可以看出k的大小和邻居跳数相关。(同空域GCN)