轉載注明出處：邢翔瑞的技術博客https://blog.csdn.net/weixin_36474809
一、GCN與CNN
1、處理數據結構不同
拓撲結構：GCN處理的數據是圖結構，即Non Euclidean Structure非歐幾里得結構，拓撲結構。如社交網絡連接，信息網絡等等
歐幾里得結構：CNN處理的數據是矩陣形式，就是以像素點排列成的矩陣（圖像）為基礎。稱為Euclidean Structure，歐幾里得結構。
2、特征提取
CNN：采用卷積的方式提取特征，但是對於拓撲結構只能用其他方法來提取特征。
對圖的特征提取分為vertex domain(spatial domain)空域和spectral domain頻域。
空域方法vertex domain
頻域方法（譜方法）spectral domain ——圖卷積網絡采用的方法
借助於圖的拉普拉斯矩陣的特征值和特征向量來研究Graph的性質。
3、圖卷積理論
圖的拉普拉斯矩陣L=D（對角矩陣：對角線上的元素是頂點的度）-A（鄰接矩陣：任意兩個頂點之間的鄰接關系）
傅里葉變換
就是一種變換方式，將信號由T域變換到w域。
傅里葉變化：原域進行卷積相當於頻域相乘。
傅里葉變換與拉普拉斯變換的關系：傳統傅里葉變換的基，就是拉普拉斯矩陣的一組特征向量。