图神经网络学习记录——图信号处理常见方法

图信号处理(Graph Signal Processing)常见方法

1.图滤波器

      图滤波器是图信号处理中的基本工具，类似于时域信号处理中的滤波器。它们可以用来平滑或增强图上的信号，并提取信号的特征。

2.图傅里叶变换（Graph Fourier Transform，GFT）

       类似于时域信号的傅里叶变换，图傅里叶变换将图信号表示为频域上的系数，可以用来分析图信号的频谱特性。

3.图卷积网络（Graph Convolutional Networks，GCNs）

       GCNs是一种用于处理图结构数据的深度学习模型，它们可以在图上执行卷积操作，从而提取节点的特征表示。

4.图信号降维和压缩

       类似于传统信号处理中的降维和压缩技术，图信号处理也可以对图数据进行降维和压缩，以减少数据的复杂性并提取关键信息。

5.图生成模型

       图生成模型用于生成符合某种规律或分布的图结构数据，例如生成具有特定社区结构的图或生成符合某种分布的图。

6.图匹配和图对齐

       图信号处理还涉及到图的匹配和对齐技术，用于在不同图之间找到对应节点或边的映射关系。