基于谱方法的图卷积(卷积，图卷积，切比雪夫图卷积)

卷积

什么是卷积，对于两个函数$f,h$，卷积就是指对这两个函数进行加权平移叠加。
连续域下卷积如下所示：
$$y(t)={\int }_{-\infty }^{\infty }f(t^{\prime })h(t-t^{\prime })d{t}^{\prime }$$
根据上面的式子，我们可以看出$y(t)$由无数个$h(t)$平移加权后叠加得到，平移的距离是$t^{\prime }$,权重是$f(t^{\prime })$,由于卷积运算具有交换律，所以这两个函数反过来也可以得到同样的结论。

离散域下卷积如下所示：
$$y(n)=\sum _{i=-\infty }^{\infty }f(i)h(n-i)$$
这个形式我们也可以得出与连续域中一样的结论。

卷积具有一些很特殊的性质，两个函数卷积的结果的频域信号等于两个函数频域信号的乘积：
$$F(y(t))=F(f(t))F(h(t))$$
上式中的$F$表示傅里叶变换。

图卷积

图傅里叶变换

一个graph由边和节点构成，为了表征这个graph中节点和节点之间的连接情况，一个比较好的选择是正则化拉普拉斯矩阵$L=I-D^{-\frac{1}{2}}A{D}^{-\frac{1}{2}}$,其中$A$为邻接矩阵，如果节点$i,j$相连，则$A_{ij}=1$,$D$为节点的度的矩阵，$D$是一个对角矩阵