解讀Laplace矩陣
1. 什麼是Laplace矩陣?
拉普拉斯矩陣(Laplacian matrix) 也叫做導納矩陣,這次筆記主要是記錄下GCN學習時的注意點,在圖論(Graph theory)中,對於圖 G=(V,E):
Laplacian 矩陣的定義爲 L = D - A (其中 L 是Laplacian 矩陣, D=diag(d)是對角矩陣,d=rowSum(A),對角線上元素依次爲各個頂點的度, A 則是圖的鄰接矩陣)
若只考慮無向圖,那麼L就是對稱矩陣。
對於無向圖的Laplace矩陣,它有哪些性質?
- 半正定矩陣(特徵值非負,且是對稱矩陣);
- 對稱矩陣(一定有n個線性無關的特徵向量);
- 對稱矩陣的不同特徵值對應的特徵向量相互正交,這些正交的特徵向量構成的矩陣爲正交矩陣;
- 由於是半正定矩陣,所以是對稱陣,那麼能特徵值分解(EVD)。
由於 U 是正交矩陣,即UUT=I,所以特徵值分解又可以寫成:
2. 常見的Laplace矩陣
2.1 一般形式
2.2 對稱歸一化形式
2.3 隨機遊走歸一化形式