转载注明出处：邢翔瑞的技术博客https://blog.csdn.net/weixin_36474809
一、GCN与CNN
1、处理数据结构不同
拓扑结构：GCN处理的数据是图结构，即Non Euclidean Structure非欧几里得结构，拓扑结构。如社交网络连接，信息网络等等
欧几里得结构：CNN处理的数据是矩阵形式，就是以像素点排列成的矩阵（图像）为基础。称为Euclidean Structure，欧几里得结构。
2、特征提取
CNN：采用卷积的方式提取特征，但是对于拓扑结构只能用其他方法来提取特征。
对图的特征提取分为vertex domain(spatial domain)空域和spectral domain频域。
空域方法vertex domain
频域方法（谱方法）spectral domain ——图卷积网络采用的方法
借助于图的拉普拉斯矩阵的特征值和特征向量来研究Graph的性质。
3、图卷积理论
图的拉普拉斯矩阵L=D（对角矩阵：对角线上的元素是顶点的度）-A（邻接矩阵：任意两个顶点之间的邻接关系）
傅里叶变换
就是一种变换方式，将信号由T域变换到w域。
傅里叶变化：原域进行卷积相当于频域相乘。
傅里叶变换与拉普拉斯变换的关系：传统傅里叶变换的基，就是拉普拉斯矩阵的一组特征向量。