Как использовать MFCC в Weka для классификации аудио?

Я мало что знаю о MFCC, но если вы пытаетесь классифицировать аудиофайлы, то каждая строка под @data должна представлять один аудиофайл. Если вы использовали окна времени или только один MFCC для каждой строки в @data, тогда классификаторы Weka попытались бы классифицировать окна времени или MFCC, что вам не нужно. На всякий случай, если вы не знакомы с форматом (просто сделайте ссылку, потому что я видел, что вы поместили функции аудиофайла в ту же строку, что и @data), вот пример, где каждая строка представляет растение ирис:

% 1. Title: Iris Plants Database
% 
% 2. Sources:
%      (a) Creator: R.A. Fisher
%      (b) Donor: Michael Marshall (MARSHALL%[email protected])
%      (c) Date: July, 1988
% 
@RELATION iris

@ATTRIBUTE sepallength  NUMERIC
@ATTRIBUTE sepalwidth   NUMERIC
@ATTRIBUTE petallength  NUMERIC
@ATTRIBUTE petalwidth   NUMERIC
@ATTRIBUTE class        {Iris-setosa,Iris-versicolor,Iris-virginica}

@DATA
5.1,3.5,1.4,0.2,Iris-setosa
4.9,3.0,1.4,0.2,Iris-setosa
4.7,3.2,1.3,0.2,Iris-setosa
4.6,3.1,1.5,0.2,Iris-setosa
5.0,3.6,1.4,0.2,Iris-setosa
5.4,3.9,1.7,0.4,Iris-setosa
4.6,3.4,1.4,0.3,Iris-setosa
5.0,3.4,1.5,0.2,Iris-setosa
4.4,2.9,1.4,0.2,Iris-setosa
4.9,3.1,1.5,0.1,Iris-setosa

Что касается ответа на ваш вопрос о том, какие атрибуты вы должны использовать для своего аудиофайла, это звучит (без каламбура), как будто использование коэффициентов MFCC может работать (при условии, что каждый аудиофайл имеет одинаковое количество MFCC, потому что каждый фрагмент данных / аудиофайл должен имеют одинаковое количество атрибутов). Я бы попробовал и посмотрел, как пойдет.

РЕДАКТИРОВАТЬ: если аудиофайлы имеют разные размеры, вы можете:

• Обрезайте аудиофайлы длиннее самого короткого аудиофайла. Обычно вы выбрасываете данные в конце аудиофайлов.
• Сделайте количество атрибутов достаточно большим, чтобы соответствовать самому длинному аудиофайлу, и поместите любые коэффициенты MFCC, представляющие тишину, для незаполненных атрибутов аудиофайлов, которые короче, чем самый длинный аудиофайл.
• Если значения MFCC всегда находятся в определенном диапазоне (например, от -10 до 10 или что-то в этом роде), возможно, используйте " мешок слов ". Ваши атрибуты будут представлять, сколько раз коэффициент MFCC попадает в определенный диапазон для аудиофайла. Таким образом, первый атрибут может представлять количество коэффициентов MFCC, которые находятся между -10 и -9,95, второй атрибут - от -9,95 до -9,90. Итак, если у вас был очень короткий аудиофайл с двумя MFCC (вряд ли, просто для примера) и один коэффициент был 10, а другой -9,93, тогда ваш последний атрибут имел бы значение 1, ваш второй атрибут имел бы значение 1, но все остальные атрибуты будут иметь значение 0. Обратной стороной этого метода является то, что не учитывается порядок коэффициентов MFCC. Однако этот метод хорошо работает для классификации текста, хотя порядок слов игнорируется, так что кто знает, может быть, он сработает для аудио.
• Помимо этого, я хотел бы посмотреть, получите ли вы какие-либо хорошие ответы на свой вопрос о слиянии.