我将音频信号分为20ms框架，并重叠10ms。结果，我有500帧。我已经计算了每个帧的MFCC系数。我想使用K-均值算法对每个帧进行矢量量化。
i每个框架具有16个MFCC系数（矢量长度：16）。现在K-均需要2个向量来形成群集图（一个沿x，一个沿y沿x），但是我只有一个向量（每帧16个MFCC系数）。
那么我该如何进行呢？我是否将相邻帧并将K-均值应用于相邻的帧？
现在，k-均需要2个矢量来形成群集图（沿x，一个沿y）
这不是真的，kmeans算法可以集群任意数量的向量。
那么我该如何进行呢？我是否将相邻帧并将K均值应用于相邻的帧？
您有500个向量，您将其应用于所有媒介。
对于例如，在MATLAB中，输入向量X必须为Kmean函数的尺寸2xm矩阵;
没有这样的要求
我选择哪些向量在k均值中形成簇？如何将KMeans应用于每个向量？
再次，您将所有向量如文档中所示。
[idx,C] = kmeans(X,num_clusters);
x是500x13的矩阵。
看到了一堆教程后，通常I/P是两个数据集（X1，X2），对于2-D KMeans空间。
如果您是关于上述文档，则X1和X2是群集的示例。还有一个集群x3。
在MFCC的情况下，我的疑问应该是我的x1，x2？
例如，将有与音素相对应的簇。如果您有20个音素，则在20个质谱上聚类，每个质谱将与音素相对应。如果您有足够的数据，也可以将256个质心聚类，那么群集将对应于语音中的抽象共同特征值。
我在这里看到两种可能性：1）您想量化MFCC功能（将功能分开为强度，中和小的振幅组）。在这种情况下，您需要每帧运行并插入功能向量，因为每个功能都是K-均值算法的一个点。如果您绝对必须（并且不）有一个MX2输入向量，则只需在每个功能中添加1个（mfccs = [mfccs，ones（size（mfccs，1），1），1）];）
2）您想找到彼此相似的框架组。在这种情况下，Kmeans算法的每个"点"都是单个帧的所有MFCC功能。这就是尼古拉所说的。
欢呼，Dan