c# 傅里叶变换 频域_GCN篇——拉普拉斯矩阵和（反）傅里叶变换

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。