我目前正在开发一个语音识别项目，并试图选择最有意义的特征。大多数相关论文建议使用零交叉率、基频F0和MFCC特征，因此我也在使用这些。我的问题是，一个时长为00:03的训练样本有268个特征。考虑到我正在进行一个多类分类项目，每个类别有50多个样本的训练，如果包含所有MFCC特征，项目可能会受到维度灾难的影响，或者’降低’其他特征的重要性。所以我的问题是，我应该包含所有MFCC特征吗？如果不包含，你能建议一个替代方案吗？

回答：

你不应该使用F0和零交叉率，它们太不稳定了。你可以简单地增加你的训练数据，并使用MFCC，它们具有很好的表示能力。但记得要对它们进行均值归一化处理。