音频检索作为获取信息的重要手段之一,如何快速准确地从海量音频片段中获取所需内容成为音频检索发展的主要瓶颈。音频指纹技术的引入有效地解决了海量音频数据存储的容量问题,但在音频相似度上只能做到模糊匹配。因此,为了解决海量音频数据检索的精度与速度的矛盾,本文主要研究了音频特征的提取,设计了一种基于层次SVM多分类及模糊聚类的音频片段检索方法,并采用Java语言实现音频片段检索原型系统。本文设计实现的基于特征相似度的音频片段检索原型系统,实现了高速、有效的音频片段检索,具有良好的扩展性。本文实现在普通配置服务器设备存储的大规模音频样例数据源中,对未知信息音频片段进行相似音频检索,在保证检索准确率良好的同时,缩减了检索时间。论文实现的音频片段检索原型系统是一个实验性的检索平台,本文进行了大量的性能测试验证了其可用性和可靠性。本文首先探讨了音频特征向量的构成。其次通过对目前常用的音频分类方法作比较,设计了一种修正后的层次SVM多分类方法,将分类精度提高到90%以上,并能保持在实际应用中对未知数据的分类正确率。采用音频分类技术的目的是压缩检索范围,减少音频比对次数,以缩减检索时间。然后本文探讨了音频片段相似度的计算方法,实现了基于模糊聚类的一种音频片段检索系统。模糊聚类将单个音频片段庞大的特征数据矩阵聚类形成K个质心,使用这K个质心表征音频片段大幅缩减了音频特征数据复杂度,减少了音频相似度比对时间。最后根据测试结果对音频片段检索系统的发展进行了展望。