Lei Mao's Log Book
·
图拉普拉斯矩阵
💡
原文英文，约800词，阅读约需3分钟。
📝
内容提要
本文介绍了图拉普拉斯矩阵及其与拉普拉斯算子的关系，它是图分析和图机器学习中非常有用的工具。通过图拉普拉斯矩阵，可以计算出图的“梯度”和“散度”等信息。
🎯
关键要点
- 图拉普拉斯矩阵是图的矩阵表示，广泛用于图分析和图机器学习。
- 图拉普拉斯矩阵的定义为L = D - A，其中D为度矩阵，A为邻接矩阵。
- 拉普拉斯矩阵是度矩阵与邻接矩阵的差。
- 拉普拉斯算子是一个微分算子，表示函数在欧几里得空间中的梯度的散度。
- 在图中，节点之间的“梯度”定义为节点值与其邻居值的差。
- 节点的“散度”是从该节点出发的方向梯度的总和。
- 使用拉普拉斯矩阵，可以将散度表示为Δf = Lf，说明拉普拉斯矩阵是拉普拉斯算子的离散类比。
➡️
