java如何为MFCC特性实现KMeans聚类算法？

Question

我用MFCC算法得到了一些声音变量的特征。我想用K-Means对它们进行聚类。我有70帧，每帧有9个倒谱系数用于一个语音样本。这意味着我有一个70*9大小的矩阵

假设A、B和C是语音记录，所以

A是：

List<List<Double>> -> 70*9 array (I can use Vector instead of List)

B和C的长度也一样

我不想对每个帧进行聚类，我想对每个帧块进行聚类（在我的示例中，一个组有70帧）

如何在Java上用K-Means实现它

Answer 1

在这里，你对问题领域的知识变得至关重要。你可以只使用70*9矩阵之间的距离，但你可能会做得更好。我不知道您提到的具体功能，但一些通用示例可能是每个功能70个值的平均值、标准偏差。基本上，您希望减少维度的数量，这既可以提高速度，也可以使度量对简单的转换（如一步抵消所有值）具有鲁棒性

Answer 2

K-Means对你的数据有一些非常严格的假设。我不相信你的数据适合在上面运行k-means

1. K-means是为欧几里德距离而设计的，可能有一个更适合您的数据的距离度量
2. K-means需要能够计算合理的平均值，这可能不适合您的数据
3. 许多距离函数（和算法！）在70*9维度（“维度诅咒”）下表现不佳
4. 你需要事先知道k

旁注：对于Double这样的基本类型，不要使用Java泛型。这会扼杀性能。使用double[][]