- 关于与GRIN的比较
在transductive kriging comparisons中有提及，同时也比较了GRIN的reduce version，MPGRU
- 关于Kriging在文章中的体现
基本上是套了个壳（通过已知点的信息来推断未知点的数值），Kriging的核心半方差图（semivariogram）等均未提及
- 关于虚拟点的构建
- 保留原始观测部分：
adj_aug的前n1 x n1部分被设置为原始邻接矩阵adj，保留了原始观测节点之间的连接信息，其他部分则是虚拟节点相关信息。 - 连接虚拟节点：对于每一个新添加的虚拟节点，代码随机选择一个当前的节点（包括观测节点和已添加的虚拟节点）并将其作为连接的起点。然后，基于该起点节点的一跳邻居，随机选择一些节点作为连接的终点，从而在虚拟节点和这些邻居节点之间建立连接。这一过程使用了随机概率
p和选择条件options来控制连接的方向（正向、反向或双向）。 - 更新邻接矩阵：通过上述过程，
adj_aug中相应的位置被设置为 1（对于sea_loop_point数据集，则是将非零元素设置为 1），表示节点之间的连接。这样，新的邻接矩阵adj_aug就同时包含了原始观测节点和新添加的虚拟节点的连接信息。 - 是在初始化
adj时应用的高斯核
对应的代码如下：（貌似就是将矩阵扩大了，然后新增一些边
