其中,
为网络图上的 n 维向量, 表示网络中的节点 i 的第 k 个分量, 表示特征向量 k 的第 i 个分量。做个类比解释:特征值(频率) 下, 的图傅立叶变换(振幅)等于 与 对应的特征向量 的内积。考虑矩阵乘法:
所以我们得到了「图傅立叶变换的矩阵形式」,这里的
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:
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:
其中,向量
与向量 的元素点积,等价于将 组织成对角矩阵的形式进行矩阵乘法,所以我们有: