gcn实战_图神经网络（一）图傅里叶、图滤波器、GCN

整理思路，快速理解：

根据图构建出傅里叶基

给定图(图信号表示成x)

我们可以构建出图对应的拉普拉斯矩阵(实对称矩阵可正交化)

拉普拉斯矩阵的特征向量是傅里叶基、特征值是频率

傅里叶变换为：

图信号x在傅里叶基上的投影

变换结果称为傅里叶系数，它衡量了x与傅里叶基之间的相似度

图傅里叶逆变换：

可证明傅里叶基是完备的，图上的任意一个图信号x都可以被表征成这些基向量的线性加权，权值就是傅里叶系数

图傅里叶变化与频率：

图的总变差代表着图信号整体平滑度

图的总变差是图的所有特征值的一个线性组合，权重是图信号对应的傅里叶系数的平方

特征值刻画了图信号平滑度，因此可以将特征值作为一种频率，频率越低，特征值对应的傅里叶基变化得越缓慢，反之越剧烈

因此傅里叶系数便反映了图信号在不同频率上的振幅

频域角度看图

有了上述定义，我们可以从频域角度去看图信号，如下图，横轴是频率，纵轴是振幅(傅里叶系数)

图滤波器

图滤波器定义为对给定图信号的频谱中各个频率分量的强度进行增强或衰减的操作：y=Hx

通过H作用在x上，可以调节各个频率分量的强弱，从而过滤不想关的信号，只获取你关心的部分y