Convolutional Neural Networks 1
1.图的基本介绍
1.1图的表示
什么是图？
图（Graph）是由顶点的有穷非空集合和顶点之间边的集合组成，通常表示为：G (V,E)，其中，G表示一个图，V是图G中顶点的集合，E是图G中边的集合。
翻译成人话：图就是点和边构成的一个网
图如何表示？
我们可以用矩阵来表示，如邻接矩阵。
邻接矩阵就是下图所示
有连接表示1，没连接表示为0
度
就是一个点的边数
1.2图的特性
子图
定义
子图是图论的基本概念之一，指节点集和边集分别是某一图的节点集的子集和边集的子集的图。
人话
图的一部分
连通图
定义
对一个图 G = ( V, E )中的两点x和y，若存在交替的顶点和边的序列 （在有向图中要求有向边 属于 E ），则两点 x和y是连通的。. 是一条x到y的连通路径，x和y分别是起点和终点。. 当x=y时， 被称为 回路 。. 如果通路 中的边两两不同，则 是一条 简单通路 ，否则为一条 复杂通路 。. 如果图 G 中每两点间皆连通，则 G 是 连通图 。
人话
每个点都被线连起来
连通分量
定义
无向图G的极大连通子图称为G的连通分量( Connected Component)。任何连通图的连通分量只有一个，即是其自身，非连通的无向图有多个连通分量。
人话
看看能分成几个不连通的部分
有向图的连通性
强连通图
定义
强连通图（Strongly Connected Graph）是指在有向图G中，如果对于每一对vi、vj，vi≠vj，从vi到vj和从vj到vi都存在路径，则称G是强连通图。有向图中的极大强连通子图称做有向图的强连通分量。
人话
根据方向都连起来
弱连通图
定义
将有向图的所有的有向边替换为无向边，所得到的图称为原图的基图。如果一个有向图的基图是连通图，则有向图是弱连通图。
人话
不管方向都能连起来
最短路径
寡人认为此定义无需解释
图直径
最短路径的距离
1.3图中心性
度中心性
特征向量中心性
特征向量中心性的基本思想是，一个节点的中心性是相邻节点中心性的函数。也就是说，与你连接的人越重要，你也就越重要。
特征向量中心性和点度中心性不同，一个点度中心性高即拥有很多连接的节点，但特征向量中心性不一定高，因为所有的连接者有可能特征向量中心性很低。同理，特征向量中心性高并不意味着它的点度中心性高，它拥有很少但很重要的连接者也可以拥有高特征向量中心性。
具体解释看这篇文章（(52条消息) 特征向量中心性_vincent_duan的博客-CSDN博客_特征向量中心性）
