您的问题不是您要识别的两个（或更多）类的判别性问题。如果是这种情况 - 例如通过记录鸟鸣来区分婴儿哭声，您会将来自传入音频流的每个 MFCC 向量与大量帧进行比较，这些帧被标记为“鸟鸣”或“婴儿哭声”，具体取决于他们来自的录音。请注意，如果您的训练集有超过几秒钟的音频，那么数据集将绝对庞大。

您的问题在于衡量您的数据与给定类别的相似程度；或者它与基于示例数据训练的模型的匹配程度如何——这是一个“一类”问题。在贝叶斯框架中，这相当于在给定 MFCC 框架作为证据的情况下评估“婴儿哭泣”假设的概率。我建议您用贝叶斯术语来描述您的问题，因为对于您的应用程序，误报或错过哭声检测可能会涉及不同的成本；所以你想使用一种可以平衡它们的方法。在概率框架中工作意味着您需要为 MFCC 向量在训练数据上的分布选择一个模型。最简单但计算量最大的方法是使用 核密度估计- 这就像 k-NN 的一类统计表亲（同样计算密集）；但考虑到数据量，更明智的方法是高斯混合模型。