Clasificador de música en base a estados anímicos basándonos en análisis de señales y el contexto cultural de Guatemala.

Abstract

Los algoritmos de clasificación de música han sido cada vez más relevantes durante la última década, ya que las grandes librerías de música ha creado la necesidad de una navegación eficiente a través de estos conjuntos grandes de música. Esta investigación analiza las características relevantes para la creación de un clasificador de música en base a la emoción expresada en una canción, entrenado con data generada únicamente por guatemaltecos para eliminar algún sesgo cultural. El trabajo toma 34 características con sus desviaciones estándar para la construcción de varios modelos utilizando los algoritmos de K Vecinos Más Cercanos, Máquinas de Vectores de Soporte y Bosque Aleatorios. Los resultados finales presentan el mejor modelo con un desempeño de 80% y un 70% de las canciones de pruebas clasificadas correctamente, y recomiendan los Coeficientes Espectrales de Mel y los Vectores Cromáticos como una de las características más relevantes para la clasificación de música en base a emociones.