Graph Convolution Network

deeplearning

把传统的ＣＮＮ输入图片Ｉ定义为一个Graph，包含一堆Pixel集合，graph的边通过pixel的连通性定义

获取拓扑图空间特征方式

vertex domain

把每个顶点相邻的neighbors找到

spectral domain

对于图$G=(V,E)$，其Laplacian矩阵的定义为$L=D-A$
* $L=D-A$为combinatorial Laplacian
* $L=D^{-1/2}LD^{-1/2}$为Symmetric normalized Laplacian
* $L=D^{-1}A$为Random wark normalized Laplacian

GCN用Laplacian metrix：
1.　Laplacian metrix是对称矩阵，可以进行特征分解
2.　Laplacian metrix只在中心点和一阶相连的顶堤岸上有非０元素