MFCC是向检索系统表示音乐的最佳方法吗？

信号处理技术（梅尔频率倒谱）通常用于从音乐作品中提取信息，以用于机器学习任务。该方法给出了短期功率谱，并且将系数用作输入。

在设计音乐检索系统时，这些系数被认为是乐曲的特征（显然不一定是唯一的，而是有区别的）。有没有更适合通过网络学习的特征？诸如Elman网络之类的乐器所使用的随时间变化的特征（例如低音效果）会更有效吗？

哪些特征将构成可以进行何种分类的足够广泛的集合？

我们在这一点上做了一些工作。我们在NIPS研讨会论文中给出了我们提取的功能集。我不得不承认，我们无法复制该领域其他一些作者的结果，尽管对于其中使用的数据集存在一些疑问（请注意，该领域中的作者使用的数据集往往是手工挑选的而不是发布的出于版权原因向公众开放，尽管并非总是如此）。本质上，它们都是短期频谱特征也加入了自回归系数。我们正在研究类型的分类，我们知道这种分类可以在很短的时间间隔（<1s）内由人类完成（尽管准确性不高，并且不一致。。。）可以验证短期特征的使用。如果您对做比典型的流派/艺术家/专辑/制作人分类更复杂的事情感兴趣，那么您可能需要更多的远程特征，否则这些短期频谱特征往往表现最佳。