【案例】Shazam识别音乐
from《数据挖掘技术：应用于市场营销、销售与客户关系管理》
背景：
1. 是个手机APP，收到的音频可能有许多噪音
2. 用户输入的是一个音乐片段，而不是整首歌，因此不能直接做两个音频的对比
过程：
1. 音频签名：纵轴是频率，横轴是时间，每半秒钟取样一次
→ 缺点：同一首歌的音频签名可能很不一样，因为有背景噪音等
2. 使用星点图，只取峰值点，这样就key减少背景噪音和压缩对谱图的影响
3. 相似度计算
1）星点图每个点包含的字段
a. 频率
b. 时间
c. 强度
2）如果是两首完整的歌，直接对比星点图中相同点所占的比例作为相似度就可以，然而音乐片段不行，因为x轴坐标不同
3）时间片：
a. 将片段视为一个时间片，与音乐分割的时间片进行对比；如果两个时间片有超过90%的峰值匹配，就认为两个时间片匹配
b. 计算片段与音乐重叠的部分长度，作为距离
c. 计算量很大，因为要对比每个峰值【而且用户唱得慢了或快了怎么办？】
4）锚点距离：
a. 以某个时间点最高峰值作为锚点，其后续一段时间和频率内的星点作为对应点
b. 计算锚点与星点之间的线
c. 对于每一对锚点与星点（锚），包含如下信息：
· 时间差
· 频率差
· 锚点本身的时间和频率
d. 匹配片段和歌曲之间的锚，如果两个片段之间有足够多的锚可以匹配，则两个片段相匹配
e. 如图，从41秒开始逐渐有相匹配的锚
4. 具体实现方法
1）将歌曲片段转换成星点图
2）将星点图转换成各个锚点
3）创建锚和峰值对
4）识别歌曲和片段之间的匹配锚
5）确定片段和每首歌曲之间最长的连续重叠序列
6）返回重叠最长的歌曲