我在尝试使用一些音乐聚类算法进行实验，我认为使用一个主要由离散化的快速傅里叶变换（FFT）组成的特征向量（比如将频率离散化）作为相似性度量会是一个不错的选择。这是否有用？大家知道哪些好的音频相似性度量方法吗？

回答：

首先，你需要决定你是想要指纹识别（即除了某些失真之外的身份识别）还是相似性（但不是身份识别！）度量。

另外，你可以看看MFCC、巴克尺度等相关内容。这方面有很多文献。你可以去亚马逊，找一本专门讨论这个话题的书。