![a2a011d32573a4e122b1eb5e16c0208a.gif](https://img-blog.csdnimg.cn/img_convert/a2a011d32573a4e122b1eb5e16c0208a.gif)
前言
在图卷积神经网络的算法分类中,有一类是基于频域的图卷积神经网络。在此类方法中,你一定听说过拉普拉斯矩阵和傅里叶变换,这两个名词就听着很难的样子,然后你去搜这两个的相关解释,你可能会发现拉普拉斯矩阵一会儿长这样子,一会儿又长这样子,还有一大堆关于信号处理的东西,什么三角函数、频率、振幅、欧拉公式、滤波。数学不好或者信号处理课没上过(好)的同学只会看的云里雾里,不知所以,一脸茫然,不知所措,无从下手,内心直呼:“啥啥啥,这都是啥,我知道你很懂,但,能不能说点人话”。
所以本文打算简单地介绍下拉普拉斯矩阵和傅里叶变换,不涉及太多具体理论。
拉普拉斯矩阵
我们不去追究拉普拉斯矩阵背后的物理意义,就简单地知道它是怎么定义的就好。用分别表示图的邻接矩阵、度矩阵、拉普拉斯矩阵。文中用到的例子均为图1中的图。