MFCC 是向檢索系統表示音樂的最佳方法嗎？

一種信號處理技術，即梅爾頻率倒譜，通常用於從樂曲中提取信息，以用於機器學習任務。該方法給出了一個短期功率譜，並將係數用作輸入。

在設計音樂檢索系統時，這些係數被認為是樂曲的特徵（顯然不一定是唯一的，而是有區別的）。有沒有更適合網絡學習的特徵？像Elman 網絡中使用的樂曲的低音進展這樣的時變特徵會更有效地工作嗎？

哪些特徵會形成一個足夠廣泛的集合，從而可以進行分類？

我們曾經在這方面做了一些工作。我們提取的特徵集在NIPS 研討會論文中給出。我不得不承認我們無法複製該領域其他一些作者的結果，儘管對其中使用的數據集存在一些疑問（請注意，該領域作者使用的數據集往往是手工挑選的，沒有發布出於版權原因，向公眾開放，儘管並非總是如此）。本質上它們都是短期光譜特徵也加入了自回歸係數。我們正在研究類型的分類，我們知道人類可以在非常短的時間跨度（<1s）內完成（儘管準確性不高，並且不一致……），這驗證了短期特徵的使用. 如果您有興趣做比典型的流派/藝術家/專輯/製作人分類更複雜的事情，那麼您可能需要更多的長期特徵，否則這些短期光譜特徵往往表現最好。

引用自：https://stats.stackexchange.com/questions/23433