图卷积网络入门(GCN) (8)

[公式]

其中,

[公式]

为网络图上的 n 维向量,

[公式]

表示网络中的节点 i 的第 k 个分量,

[公式]

表示特征向量 k 的第 i 个分量。做个类比解释:特征值(频率)

[公式]

下,

[公式]

的图傅立叶变换(振幅)等于

[公式]

[公式]

对应的特征向量

[公式]

的内积。

考虑矩阵乘法:

[公式]

所以我们得到了「图傅立叶变换的矩阵形式」,这里的

[公式]

为拉普拉斯谱分解的正交矩阵。

我们也可以得到傅立叶逆变换:

[公式]

2.6 谱域卷积

现在有了图傅立叶变换,又有了离散卷积操作,那么我们想:既然无法直接在空域进行卷积,可否将图信号映射到频域后再做卷积操作。

所以我们有:

[公式]

其中,向量

[公式]

与向量

[公式]

的元素点积,等价于将

[公式]

组织成对角矩阵的形式进行矩阵乘法,所以我们有:

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/zgwdzd.html