高维数据的低维表示已得到了广泛研究。在这些方法中，数据集被视为高维空间中的图，数据被投影到由图拉普拉斯本征基的子集生成的低维子空间。
图信号处理研究对于数据集的分析和处理，其中的数据元素由依赖性，相似性，物理邻近，或其它性质相联系。这种关系通过一个图来表示：
G=( V, A) ，V是N个节点的集合；A是图的加权连接矩阵。每个数据元素对应一个节点 vn’非0权重(矩阵元) Am,n表示从vm到 vn的有向边。
给定一个数据集，构成图信号，定义为一个映射：
可以将图信号写为一个矢量：
这个矢量不仅仅是个列表， 而是一个图。
图 1 图上的信号处理将经典信号处理推广到一般的图。
参考文献
[1] https://www.cnblogs.com/zhangshihao/p/7517536.html
[2] Sandryhaila A, Moura J M F. Big data analysis with signal processing on graphs: Representation and processing of massive data sets with irregular structure[J]. IEEE Signal Processing Magazine, 2014, 31(5): 80-90.
