圖拉普拉斯運算元為何定義為D-W
之前對圖卷積也有淺顯的研究,譜圖卷積核心就是在圖拉普拉斯運算元上做操作。但是對於圖拉普拉斯運算元一直懵懵懂懂,對於其定義有一種「好像有道理又不知為何如此」感覺,只知其一不知其二。而基本所有的資料都直接告訴你圖拉普拉斯矩陣就是D-W,久而久之就忘記追尋這種定義的源頭了。
注: 以下沒有特別嚴謹的數學推導,有些數學表達式不太嚴謹,主要源於類比+簡單推導,主要想說清楚圖上拉普拉斯運算元為啥這麼定義。如有不對,希望批評指正。
希望我可以表達清楚...
先說圖拉普拉斯運算元的定義,有很多種,主要是以下2種:
- 或者
其實就是一種啦,第二種是第一種的normalized形式而已。
關鍵問題是,為什麼圖的拉普拉斯運算元定義為 ?呢???
先從拉普拉斯運算元說起...
拉普拉斯運算元數學定義是這樣的:
其含義很明確,是非混合二階偏導數的和!
要明白這個是其嚴謹的數學定義,所有的xxx拉普拉斯運算元都是其一個特例,或是某種情況下的一種近似。
我們先看看圖像處理上怎麼近似的。
圖像是一種離散數據,那麼其拉普拉斯運算元必然要進行離散化。
從導數定義說起
那麼:
結論1:二階導數近似等於其二階差分。
結論2:二階導數等於其在所有自由度上微擾之後獲得的增益。一維函數其自由度可以理解為2,分別是+1和-1兩個方向。
對於二維的圖像來說,其有兩個方向(4個自由度)可以變化,即如果對(x,y)處的像素進行擾動,其可以變為四種狀態(x+1,y),(x-1,y),(x,y+1),(x,y-1)。當然了,如果將對角線方向也認為是一個自由度的話,會再增加幾種狀態(x+1,y+1),(x+1,y-1),(x-1,y+1),(x-1,y-1),事實上圖像處理上正是這種。再當然了,如果你認為對一個像素進行微擾可能變為任何一個像素,那它的自由度就是整個圖片的像素數(不過這還叫微擾嗎?)。其實結論差不多,就討論第一種吧。
上式可以理解為,在圖像上某一點,其拉普拉斯運算元的值,即為對其進行擾動,使其變化到相鄰像素後得到的增益。
這給我們一種形象的結論:拉普拉斯運算元就是在所有自由度上進行微小變化後獲得的增益。
那麼推廣到Graph,對於有N個節點的Graph,就設節點為 ?吧,且其鄰接矩陣為?W。
這個Graph的自由度是多少呢?答案是最多為N。
因為如果該圖是一個完全圖,即任意兩個節點之間都有一條邊,那麼對一個節點進行微擾,它可能變成任意一個節點。
那麼上面的函數f就理所當然是一個N維的向量,即:
其中 ?即表示函數f在節點i的值。類比f(x,y)即為f在(x,y)處的值。
對於任意節點i:
對i節點進行微擾,它可能變為任意一個與他相鄰的節點 ?,其中? 表示節點i的一階鄰域節點。
我們上面結論說了,拉普拉斯運算元就是在所有自由度上進行微小變化後獲得的增益。
但是對於Graph,從節點i變化到節點j增益是多少呢?即 ?是多少呢?最容易想到就是和他們之間的邊權相關。那就姑且當成 ?吧!
那麼,對於節點i來說,其變化的增益就是
所以,對於Graph來說,其拉普拉斯運算元如下:
上式 ?可以去掉,因為節點i和j不直接相鄰的話, ?;
繼續化簡一下:
即:
對於任意的i成立,那麼也就是:
也就是圖上的拉普拉斯運算元應該定義為W-D?!
畢!
注: 以上沒有特別嚴謹的數學推導,甚至數學表達式都不太嚴謹,主要源於類比+簡單推導,主要想說清楚圖上拉普拉斯運算元為啥這麼定義。如有不對,希望批評指正。
推薦閱讀: