如果你走有监督的学习路线，这篇论文可能正是你所需要的，它很好地比较了逻辑回归和卷积网络

http://www.ieee.org.il/wp-content/uploads/2016/11/2016_ICSEE_paper_206.pdf

在这项工作中，提出了两种机器学习算法来检测录音中的婴儿哭声：逻辑回归分类器和更复杂的 CNN 分类器。结果表明，与逻辑回归分类器相比，CNN 分类器具有相当大的优势。由于 CNN 自然适合大型训练数据集和多类分类，我们计划训练一个 CNN 分类器来检测除哭声信号之外的各种家庭声音。

由于您有频率桶信息，因此您基本上有一个频率直方图。

如果将直方图视为 n 维向量，则可以使用点积来获得从 0 到 1 的相似性值，并可以对其进行调整，以便将值大于 0.6 的声音视为匹配。

有关更多信息，请查看： http ://blog.demofox.org/2015/02/13/writing-a-basic-search-engine-aka-calculating-similarity-of-histograms-with-dot-product/

或者，您可以更高级一些并使用支持向量机，这需要训练负数和正数数据来找到区分命中和未命中的方法。