Java 如何实现MFCC特征的K均值聚类算法？

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->70*9数组（我可以用向量代替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中使用K-Means实现它？

这里是您对问题领域的知识变得至关重要的地方。您可能只需要使用70*9矩阵之间的距离，但您可能会做得更好。我不知道您提到的具体功能，但一些通用示例可能是平均值，每个功能70个值的标准偏差。基本上，您希望减少维度的数量，既可以提高速度，也可以使度量对简单的转换具有鲁棒性，例如通过一步抵消所有值。我不相信你的数据适合在上面运行k-means

K-means是为欧几里德距离设计的，可能有一个更适合您的数据的距离度量

K-means需要能够计算合理的平均值，这可能不适合您的数据

许多距离函数（和算法！）在70*9维（“维的诅咒”）下无法正常工作

你需要事先知道k

---

旁注：对于Double之类的基本类型，不要使用Java泛型。它扼杀了性能。使用

double[][]

哦，一旦你确定你的最终特征被标准化，你的最终距离度量可能只是特征之间差异的总和

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