音频信号的处理和研究对当今生活具有重要意义。本文主要针对连续音频流的若干特征和相关结构化参数进行了分析,详细介绍了应用聚类和模糊聚类分析进行分类器的设计方法,优化了传统模糊聚类分析的经典算法——FCM算法的相关参数和确定方法,提出了相关的优化方法和改进聚类方法,并对实验数据利用这几种方法进行了实验分析,证明了算法的有效性和合理性。本文的研究工作主要在以下几个方面：(1)分析了相关样本信息的预处理方法和特征提取方法,对典型方法进行了详细阐述确定相关参数,明确了优化特征和为后面分类器的设计确定了有关初始化信息。(2)对常见的音频样本的分割方法进行了相关说明和阐述,对其结构化参数进行了相关定义和介绍,并针对传统方法存在的问题重点分析了一种和分类器选择紧密相关的分形方法,然后采用相关数据进行了实验对比分析确定方法的正确性。(3)简要介绍了聚类和模糊聚类的常见方法,并对基于目标函数的聚类分析的经典算法——FCM算法进行了详细介绍,对其有效性评价给出了相关数学定义,对算法中加权指数的含义进行了说明,并对其确定方法进行了介绍。并在此基础之上提出了一种利用空间信息进行优化的方向聚类方法,并针对音频样本给出了基于特征空间的改进聚类新算法。(4)给出了样本信息流的分割分类系统设计方案,将上述的相关数学模型和算法应用到样本信息流的分类系统设计中,解决了常见音频流系统无法单一分类和提取相关信息的不确定性的问题,为连续音频样本信息流的相关信息提取提供了一种切实有效的方法。