邻接矩阵 在stgcn中邻接矩阵是用0-1来表示的。而轨迹预测中目前是使用距离，点和点没有相邻不相邻，只有距离，所以是一个完整图平均度N-1 有向和无向的度 无向 可以横加也可以竖加，把所有列或行相加，最后除以2，因为都加了两次 有向 要想想入还是出，入的话是从i到j应该是出度，右上角是出度，这一行所有信息相加代表这个节点的出度，各行所有列的数相加就是出度 括号表示边（2,4）（4,2）从2-4 和从4-2 一般的网络远小于<<完整图 边可以有权重，指的就是A邻接矩阵的值不是0-1而是任意数，联系强数值大，和social-stgcnn文章一样 桥头节点，去掉的话，两个图没有其他边连着，只有这一个边，去掉就变成2个图 两个图是否连接在矩阵上也能看出来 比如a图在左上角，b图在右下角他们是从i-k 和 k-j 那他们不相连， 他们从i-9 从7到j 那就相连 i-7 9-j就不相连 强弱连接，强的是彼此都连，有来有回，弱的只有一个方向 最大连接部分，全是满的连接的最大的部分
节点的距离这里4个指标，分别是节点的度的分布，1度的有几个点，2度的几个点；其次是路径就是AGCDE；再次距离，AGCDE他们每条边的距离。但是在social-stgcnn中A是通过l2_norm算的实际的距离，他通过x的变化量和y的变化量，x^2 + y^2 = 距离^2 求出的距离。！！因为是完整图所以实际上最后还是相当于是边的距离 路径指标指的是有 能到达的路径的数量。 大佬stgcn 2s-agcn用的是空间方法而不是谱方法，他们处理的都是静态图18个点或25个点，如果图是动态图，节点数变化，还可以用空间方法吗？ 因为kinetics 之类的数据集的图都不是完整图，一个节点不是和其他所有节点相连，如果是谱方法可以用拉普拉斯矩阵来直接求出完整图的A邻接
