ケプストラムを、スペクトルの(逆)フーリエ変換と定義すれば、
対数スペクトルの逆フーリエ変換=(いわゆる)ケプストラム
振幅スペクトルの逆フーリエ変換=振幅ケプストラム
二乗スペクトルの逆フーリエ変換=パワーケプストラム=自己相関係数
ベキ乗根スペクトルの逆フーリエ変換=一般化ケプストラム
ここで、ベキ乗根変換はBox/Cox変換(一般化対数)といわれるものに対応する。
主成分分析をするのに、スペクトル/ケプストラムのどちらの空間を使ってもよい。
計算量、精度等計算上の微妙な差はあるが、理論的には等価である。
フーリエ変換は直交変換であり、距離(内積、直交関係)を保存する変換だからである。
ケプストラム(の方)に特別の魔法があるわけではないようだ。
微細構造を含んだままのスペクトルデータを直接主成分分析しても、
あらかじめ微細構造を分離した概形スペクトルを主成分分析したものと、
同様の結果が得られる。
主成分は、もともと、元データの概略的特徴を検出するものだからである。
対数スペクトルの逆フーリエ変換=(いわゆる)ケプストラム
振幅スペクトルの逆フーリエ変換=振幅ケプストラム
二乗スペクトルの逆フーリエ変換=パワーケプストラム=自己相関係数
ベキ乗根スペクトルの逆フーリエ変換=一般化ケプストラム
ここで、ベキ乗根変換はBox/Cox変換(一般化対数)といわれるものに対応する。
主成分分析をするのに、スペクトル/ケプストラムのどちらの空間を使ってもよい。
計算量、精度等計算上の微妙な差はあるが、理論的には等価である。
フーリエ変換は直交変換であり、距離(内積、直交関係)を保存する変換だからである。
ケプストラム(の方)に特別の魔法があるわけではないようだ。
微細構造を含んだままのスペクトルデータを直接主成分分析しても、
あらかじめ微細構造を分離した概形スペクトルを主成分分析したものと、
同様の結果が得られる。
主成分は、もともと、元データの概略的特徴を検出するものだからである。