摘要
我们提出了一种图小波神经网络（Graph Wavelet Neural Network, GWNN），这是一种新颖的图卷积神经网络（Convolutional Neural Network, CNN），利用图小波变换来克服以往基于谱图的CNN方法依赖于图傅里叶变换的不足。与图傅里叶变换不同，图小波变换可以通过快速算法获得，而无需进行高计算成本的矩阵特征分解。此外，图小波在顶点域中是稀疏且局部化的，为图卷积提供了高效性和良好的可解释性。实验结果表明，在Cora、Citeseer和Pubmed三个基准数据集上的基于图的半监督分类任务中，所提出的GWNN显著优于以往的谱图CNN方法。