arquitectura de clasificación automática de géneros

Treball de Fi de Grau

GRAU EN

ENGINYERIA EN

Director: ENRIC GUAUS

GRAU EN ENGINYERIA DE SISTEMES AUDIOVISUALS


GRAU EN ENGINYERIA DE SISTEMES AUDIOVISUALS


Campayo Rodriguez, David

Curs 2017-2018

Curs 2017-2018

Curs 2017-2018

Curs 2017-2018

Curs 2017-2018

Curs 2017-2018

Curs 2017-2018

Curs 2017-2018

Arquitectura de clasificación automática de

géneros musicales basada en el modelo

SIMCA

Arquitectura de clasificación automática de géneros

musicales basada en el modelo SIMCA

David Campayo Rodriguez

TRABAJO DE FINAL DE GRADO

INGENIERIA EN SISTEMAS AUDIOVISUALES

ESCOLA SUPERIOR POLITÈCNICA UPF

2018

DIRECTOR DEL TRABAJO

Dr. Enric Guaus Termens

iii

Por y para ellos.

v

Agradecimientos

Primero de todo me gustaría dar las gracias a Enric Guaus por su soporte, profesionalidad

y paciencia para lograr sacar adelante este proyecto. Gracias por guiarme en este nuevo

mundo entre descriptores y clasificadores.

Gracias a los amigos que han hecho todo este camino más llevadero, en especial a Ferran

y Alejandro, y por todos esos buenos momentos vividos a lo largo de estos años.

Gracias a vosotros familia, por permitirme llegar hasta aquí y por vuestro incondicional

apoyo des del primer momento. Siempre os estaré agradecidos.

Y a ella, por haberse cruzado aquel día en mi vida.

vii

Resumen En este proyecto, se presenta una nueva arquitectura de datos para la clasificación

automática de géneros musicales basada en contenido aplicando el modelo Soft

Independent Modelling Of Class Analogies (SIMCA). En concreto, se pretende

estructurar la información de entrada para generar clasificadores individuales y

especializados en cada género musical. De este modo, son capaces de discernir entre lo

que corresponde a su propio género y lo que no, creando una arquitectura de clasificación

por descarte. Para ello, se parte de la colección de géneros musicales propuesta por

George Tzanetakis para extraer características de audio digital utilizando técnicas de

Recuperación de Información Musical (MIR) y aplicar modelos de optimización datos

basados en Análisis de Componentes Principales (PCA). Finalmente, se realiza el

entrenamiento y testeo aplicando técnicas de clasificación supervisada para comparar el

nuevo modelo frente al actual y enfrentarlo a bases de datos externas al proceso de

clasificación. Esta nueva arquitectura y la convencional, se han realizado en su totalidad

en código Python, mediante herramientas de extracción de características a través de

Sonic Annotator y el soporte del programa de aprendizaje automático y minería de datos

Weka.

Abstract In this project, a new data architecture for the automatic classification of musical genres

based on content applying Soft Independent Modelling Of Class Analogies (SIMCA)

model is presented. Specifically, it is intended to structure the input information to

generate individual and specialized classifiers in each musical genre. In this way they can

discern between what corresponds to their own genre and what does not, creating an

architecture of classification by discarding. To do this, it starts from the database

classified by George Tzanetakis to extract digital audio features using Music Information

Retreival (MIR) techniques and apply data optimization models based on Principal

Component Analysis (PCA). Finally, train and test phases are carried out applying

supervised classification techniques to compare the new model with the current one and

confront it to databases external to the classification process. This new architecture and

the conventional one, have been made entirely in Python code, through feature extraction

tools using Sonic Anotator and the support of automatic learning and data mining

program Weka.

ix

1. INTRODUCCIÓN .................................................................................................. 1

1.1. La importancia de la Minería de Datos .............................................................. 2

1.2. Recuperación de Información Musical (MIR) ................................................... 4

1.2.1. Sociedad Internacional de Recuperación de Información Musical (ISMIR)

.................................................................................................................... 4

1.2.2. MIR en la industria ..................................................................................... 5

1.3. Estado del Arte ................................................................................................... 5

1.4. Objetivos del proyecto ....................................................................................... 6

1.5. Estructura por capítulos ..................................................................................... 6

2. SISTEMAS DE CLASIFICACIÓN AUTOMÁTICA DE GÉNEROS

MUSICALES ..................................................................................................... 7

2.1. Fundamentos musicales ............................................................................................. 7

2.2. Los humanos y la clasificación de géneros musicales ............................................... 8

2.3. La Clasificación Automática de Géneros Musicales ................................................. 9

2.3.1. El clasificador automático: Arquitectura....................................................... 11

2.3.2. La Colección de Datos .................................................................................. 11

2.3.3. La Extracción de Características ................................................................... 12

2.3.4. La Clasificación............................................................................................. 21

2.3.5. Evaluación de resultados ............................................................................... 24

2.4. Funcionamiento del clasificador automático de géneros musicales convencional.. 25

3. EL CLASIFICADOR POR DESCARTE ........................................................... 27

3.1. Soft Independent Modelling of Class Analogies: El modelo SIMCA .................... 27

3.1.1. El Análisis de Componentes Principales (PCA) ........................................... 28

3.1.2. Estructura del modelo SIMCA ...................................................................... 30

3.2. El Clasificador Convencional frente al Clasificador basado en SIMCA................. 32

Resumen vii

Listado de Figuras xiii

Listado de Tablas

xvii

x

4. IMPLEMENTACIÓN: ENTORNO DE DESARROLLO, CARACTERÍSTICAS

Y DISEÑO ....................................................................................................... 33

4.1. El entorno de programación .................................................................................... 33

4.2. Implementación: Características y herramientas utilizadas..................................... 36

4.2.1. La Colección de Géneros Musicales ............................................................. 36

4.2.2. Extracción de características ......................................................................... 37

4.2.3. Aplicación estadística .................................................................................... 37

4.2.4. Entrenamiento y Testeo ................................................................................. 38

4.2.5. Clasificación .................................................................................................. 38

4.3. La implementación de la arquitectura SIMCA ........................................................ 39

4.3.1. Diseño y organización ................................................................................... 39

4.3.2. Implementación del clasificador por descarte ............................................... 39

4.3.3. Implementación del clasificador convencional ............................................. 46

5. RESULTADOS: PRESENTACIÓN Y COMPARATIVA ............................... 49

5.1. Resultados obtenidos para la clasificación utilizando el modelo convencional

mediante 10-fold Cross Validation ................................................................................. 49

5.2. Resultados obtenidos para la clasificación utilizando SIMCA mediante 10-fold

Cross Validation ............................................................................................................. 52

5.2.1. Análisis detallado de la precisión, recall y medida F .................................... 53

5.3. Comportamiento frente a bases de datos externas al proceso de entrenamiento ..... 54

5.3.1. La base de datos externa al proceso de entrenamiento.................................. 54

5.3.2. Resultados para la arquitectura convencional utilizando una base de datos

externa en el proceso de test .................................................................................... 56

5.3.3. Resultados para la arquitectura SIMCA utilizando una base de datos externa

en el proceso de test ................................................................................................ 57

5.4. Comparativa de eficiencia entre arquitecturas......................................................... 59

6. CONCLUSIONES Y TRABAJO FUTURO ...................................................... 61

6.1. Trabajo Futuro .......................................................................................................... 62

ANEXOS ................................................................................................................... 63

Anexo A: Bases de datos de géneros musicales creadas por expertos ........................... 63

Anexo B: Características estándar del cálculo de descriptores ...................................... 64

Anexo C: Resultados completos obtenidos de la aplicación del método de PCA .......... 69

Anexo D: Presentación detallada de resultados estadísticos obtenidos de la aplicación de

la arquitectura SIMCA y 10 fold cross validation .......................................................... 71

xi

Anexo E: Resultados de clasificación para base de datos externa mediante arquitectura

SIMCA para los métodos de clasificación SMO, J48 y IBk .......................................... 82

Anexo F: Reducción de la dimensionalidad de los datos mediante la aplicación del PCA

......................................................................................................................... 91

Bibliografía ................................................................................................................ 92

xiii

Listado de figuras

1.1: Diagrama de bloques general del proceso de minería de datos. ........................................ 2

2.1: Esquema del sistema auditivo humano ............................................................................. 8

2.2: Respuesta frecuencial de distintos seres vivos. ................................................................. 9

2.3: Clasificación Supervisada frente a No Supervisada ........................................................ 10

2.4: Diagrama de bloques para un sistema de clasificación automático convencional .......... 11

2.5: Esquema de extracción de características aplicando STFT............................................. 13

2.6: Representación temporal de la curva de energía ............................................................. 14

2.7: Identificación del ataque de una onda de sonido sobre la curva de energía a través

del establecimiento de límites inferior y superior. ....................................................... 15

2.8: Representación gráfica de la transformación de una señal del espacio temporal al

dominio frecuencial ..................................................................................................... 16

2.9 Proceso de extracción de características de una señal de audio original y creación del

vector de características con descriptores del dominio frecuencial y temporal ........... 20

2.10: Representación de clasificación de K vecinos más cercanos ........................................ 22

2.11: Representación de clasificación aplicando SVM para un problema de dos clases ....... 22

2.12: Representación de un árbol de decisión para la clasificación de género rock / no

rock para el fold 4 de entrenamiento y testeo aplicando K-fold Cross-Validation

manualmente ................................................................................................................ 23

2.13: Diagrama de bloques del clasificador de géneros musicales convencional. ................. 25

3.1: Representación de la varianza de los datos para las distintas clases antes y después

del proceso de estandarización ..................................................................................... 28

3.2: Representación esquemática de la arquitectura de clasificación de géneros musicales

basada en SIMCA ........................................................................................................ 31

4.1: Logotipo de Audacity ...................................................................................................... 34

4.2: Logotipo de Sonic Annotator .......................................................................................... 34

4.3: Logotipo de Weka ........................................................................................................... 35

4.4: Ejemplo de formato ARFF para la base de datos Iris Setosa .......................................... 35

4.5: Ejemplo de formato .CSV para la base de datos Iris Setosa ........................................... 35

4.6: Esquema organizativo para la implementación del modelo y flujo de trabajo entre

carpetas ........................................................................................................................ 39

4.7: Diagrama de bloques de archivos para el desarrollo de la primera fase del proceso

SIMCA ......................................................................................................................... 40

4.8: Extracto de contenido de los archivos generados por doDescriptors.py \f...................... 40

4.9: Extracto de contenido de los archivos generados por doStatistics.py. ............................ 41

4.10: Extracto de contenido generado por el archivo doPCA.py. .......................................... 41

4.11: Extracto de contenido de los archivos generados por doSingleClassifiers.py. ............ 42

4.12: Diagrama de bloques de archivos para el desarrollo de la segunda fase de la

arquitectura SIMCA ..................................................................................................... 43

4.13: Extracto de contenido de los archivos generados por doShuffle.py .............................. 43

4.14: Ficheros creados por el archivo doKfold.py ................................................................. 44

4.15: Extracto de los ficheros creados por doTrainTestPCA.py para el fold 0 ...................... 44

4.16: Información del resultado de la aplicación del clasificador SMO para el fold 6 para

las clases clásico y no clásico, utilizando línea de comandos ...................................... 45

xiv

4.17: Diagrama de bloques para el proceso de clasificación convencional ........................... 46

4.18: Interfaz de Weka GUI para . Se muestra la introducción de todos los géneros

unificados en un único archivo como parte de pre-procesado ..................................... 47

4.19: Interfaz de Weka GUI. Se muestra la clasificación de todos los géneros unificados

en un único utilizando Cross-Validation ...................................................................... 48

5.1: Matriz de Confusión resultante de aplicar el clasificador ZeroR para obtener el Base

Line .............................................................................................................................. 49

B.1: Parámetros estándar de cálculo del descriptor Spectral Centroid contenido en el

plugin Mir-Edu............................................................................................................. 64

B.2: Parámetros estándar de cálculo del descriptor Spectral Crest contenido en el plugin

Mir-Edu ........................................................................................................................ 64

B.3: Parámetros estándar de cálculo del descriptor Spectral Flatness contenido en el

plugin Mir-Edu............................................................................................................. 64

B.4: Parámetros estándar de cálculo del descriptor Spectral Flux contenido en el plugin

Mir-Edu ........................................................................................................................ 65

B.5: Parámetros estándar de cálculo del descriptor Spectral Kurtosis contenido en el

plugin Mir-Edu............................................................................................................. 65

B.6: Parámetros estándar de cálculo del descriptor Spectral RollOff contenido en el

plugin Mir-Edu............................................................................................................. 65

B.7: Parámetros estándar de cálculo del descriptor Spectral Skewness contenido en el

plugin Mir-Edu............................................................................................................. 66

B.8: Parámetros estándar de cálculo del descriptor Spectral Spread contenido en el plugin

Mir-Edu ........................................................................................................................ 66

B.9: Parámetros estándar de cálculo del descriptor Temporal Centroid contenido en el

plugin Mir-Edu............................................................................................................. 66

B.10: Parámetros estándar de cálculo del descriptor Zero Crossing Rate contenido en el

plugin Mir-Edu............................................................................................................. 66

B.11: Parámetros estándar de cálculo del descriptor MFCC contenido en el plugin Queen-

Marys ........................................................................................................................... 67

B.12: Parámetros estándar de cálculo del descriptor Beats contenido en el plugin Mir-

Edu ............................................................................................................................... 67

B.13: Parámetros estándar de cálculo del descriptor Attack Start End Times contenido en

el plugin Mir-Edu ......................................................................................................... 67

B.14: Parámetros estándar de cálculo del descriptor Log Attack Time contenido en el

plugin Mir-Edu............................................................................................................. 68

B.15: Parámetros estándar de cálculo del descriptor RMS contenido en el plugin Mir-Edu

............................................................................................................................... 68

C.1: Resultado de la aplicación del método PCA para el género musical Blues ................... 70

E.1: Resumen del proceso de clasificación para el modelo Blues / No Blues, arquitectura

SIMCA utilizando la base de datos Dortmund para test y clasificación SMO ............ 82


SIMCA utilizando la base de datos Dortmund para test y clasificación J48 ............... 82


SIMCA utilizando la base de datos Dortmund para test y clasificación IBk ............... 83

E.4: Resumen del proceso de clasificación para el modelo Country / No Country,

arquitectura SIMCA utilizando la base de datos Dortmund para test y clasificación

SMO ............................................................................................................................. 83

xv



IBk ............................................................................................................................... 84



J48 ............................................................................................................................... 84

E.7: Resumen del proceso de clasificación para el modelo HipHop / No HipHop,


SMO ............................................................................................................................. 85



IBk ............................................................................................................................... 85



J48 ............................................................................................................................... 86

E.10: Resumen del proceso de clasificación para el modelo Jazz / No Jazz, arquitectura






E.13: Resumen del proceso de clasificación para el modelo Pop / No Pop, arquitectura






E.16: Resumen del proceso de clasificación para el modelo Rock / No Rock, arquitectura






xvii

Listado de tablas

2.1: Representación de la matriz de confusión para las clases negativo y positivo ... 24

4.1: Descripción detallada de las características de la base de datos GTZAN ........... 36

5.1: Resumen del proceso de clasificación para el modelo convencional con SMO

..................................................................................................................... 50

5.2: Resumen del proceso de clasificación para el modelo convencional con J48 .... 50

5.3: Resumen del proceso de clasificación para el modelo convencional con IBk .... 51

5.4: Resumen del proceso de clasificación para cada uno de los modelos binarios

utilizando la arquitectura SIMCA y clasificación SMO. Edición propia.......... 52


utilizando la arquitectura SIMCA y clasificación J48 ...................................... 52


utilizando la arquitectura SIMCA y clasificación IBk (K=1). Edición propia

..................................................................................................................... 53

5.7: Descripción detallada de las características de la base de datos original

Dortmund .......................................................................................................... 55

5.8: Descripción detallada de las características de la base de datos original

Dortmund adaptada ........................................................................................... 55

5.9: Resumen del proceso de clasificación para el modelo convencional mediante

base de datos externa de test, utilizando SMO. Edición propia ........................ 56

5.10:Resumen del proceso de clasificación para el modelo convencional mediante

base de datos externa de test, utilizando J48. Edición propia ........................... 56

5.11:Resumen del proceso de clasificación para el modelo convencional mediante

base de datos externa de test, utilizando IBk. Edición propia ........................... 56

5.12: Instancias correctamente clasificadas para cada modelo aplicando la

arquitectura SIMCA con una base de datos externa y método de

clasificación SMO ............................................................................................. 57



clasificación J48 ................................................................................................ 58



clasificación IBk................................................................................................ 58

5.15: Comparativa de la desviación media entre la arquitectura Convencional y

SIMCA para clasificación mediante J48. Edición propia ................................. 59

5.16: Comparativa entre arquitectura Convencional y SIMCA para clasificación

mediante SMO, J48 y IBK ................................................................................ 59

5.17: Comparativa entre arquitectura Convencional y SIMCA frente a Base de

Datos Externa al proceso de entrenamiento para clasificación mediante

SMO, J48 y IBK ................................................................................................ 59

5.18: Comparativa entre arquitectura Convencional y Convencional frente a Base

de Datos Externa al proceso de entrenamiento para clasificación mediante

SMO, J48 y IBK ................................................................................................ 60

xviii

5.19: Comparativa entre arquitectura SIMCA y SIMCA frente a Base de Datos

Externa al proceso de entrenamiento para clasificación mediante SMO, J48

y IBK ................................................................................................................. 60

A.1: Descripción detallada de las características de la base de datos RWC .............. 63

A.2: Descripción detallada de las características de la base de datos Ballroom

Dancers .............................................................................................................. 63

D.1: Análisis detallado de la Precisión para cada fold y género utilizando la

arquitectura SIMCA y clasificación SMO ........................................................ 71


arquitectura SIMCA y clasificación J48 ........................................................... 71


arquitectura SIMCA y clasificación IBk ........................................................... 72


arquitectura SIMCA y clasificación SMO. ....................................................... 73

D.5: Análisis detallado de Recall para cada fold y género utilizando la arquitectura

SIMCA y clasificación SMO ............................................................................ 74

D.6: Análisis detallado de la Medida F para cada fold y género utilizando la

arquitectura SIMCA y clasificación SMO ........................................................ 75



D.8: Análisis detallado de Recall para cada fold y género utilizando la arquitectura

SIMCA y clasificación J48 ............................................................................... 77





D.11: Análisis detallado del Recall para cada fold y género utilizando la




F.1: Comparativa de la reducción de la dimensionalidad de los descriptores, antes

y después de aplicar el análisis de componentes principales ............................ 91

1

Capítulo 1

1. INTRODUCCIÓN

Internet ha revolucionado la forma en que se consume contenido musical. Los usuarios

de la red se comunican, buscan, comparten y demandan grandes cantidades de audio con

un solo par de clics. Muy atrás quedan los formatos físicos de contenido multimedia para

dejar paso a suscripciones mensuales a plataformas como Spotify. Esto ha provocado que

el CD físico no pueda competir frente a formatos digitales mucho más polivalentes que

permitan a los usuarios compartir, descargar o incluso almacenar contenido fácilmente.

Esta digitalización ha hecho que los catálogos de música y las múltiples herramientas de

acceso a ellos aumenten exponencialmente y, en este contexto, es imprescindible

organizar el contenido musical.

Los géneros musicales han resultado el descriptor de alto nivel más utilizado para

organizar librerías y sobre todo juegan un papel muy importante en la Recuperación de

Información Musical (MIR). Pensar en un sistema de etiquetado manual por expertos

musicólogos, tal y como se hacía antiguamente, es inviable en la actualidad.

Por tanto, es imprescindible que el campo MIR provea de soluciones a esta nueva forma

de consumir música. Aquí aparece la clasificación automática de géneros musicales

basada en el contenido inherente en la propia onda de audio; conseguir extraer

características que definan similitudes y diferencias entre estilos de música y modelar

clasificadores que permitan organizar el contenido musical de forma automática y más

realista posible.

Tratar con los géneros musicales es una tarea complicada debido a las distintas formas de

entender la música. Factores como la cultura, la aparición de nuevos géneros y los

desacuerdos de taxonomía entre expertos en la materia, hacen que los límites entre

géneros musicales no estén totalmente definidos y, por tanto, no exista un método

perfecto para clasificar música; probablemente nunca lo habrá. De este modo, en este

proyecto no se pretende encontrar el método perfecto para clasificar géneros musicales,

sino cambiar el punto de vista del concepto de clasificación mediante la propuesta de una

nueva arquitectura basada en Soft Independent Modeling of Class Analogies (SIMCA).

El objetivo es implementarla para poder comparar su eficiencia frente al modelo

convencional de clasificación automática (para más detalle, ver apartado 1.4. Objetivos

del proyecto).

2

1.1. La importancia de la Minería de Datos

La minería de datos conforma el cerebro y el primer paso para resolver problemas tales

como la visualización, asociación o la clasificación de datos, en el caso de este proyecto,

musicales. Gracias a este campo de las ciencias de la computación, es posible extraer

información de grandes bases de datos con el objetivo de encontrar patrones previamente

desconocidos y que pueden ser interesantes para ser usados en tareas posteriores. Según

[Li, Ogihara and Tzanetakis 2011] el proceso de minería de datos lo conforman cuatro

pasos iterativos:

Figura 1.1: Diagrama de bloques general del proceso de minería de datos. Edición propia.

Cada uno de estos pasos es clave para conseguir un resultado exitoso partiendo de un

problema generado por una gran base de datos. A continuación, se detallan.

Administración de Datos:

Este proceso permite preparar y estructurar los datos con los que se va a trabajar. Se centra

en obtener una estructura de datos de calidad con la que poder obtener unos resultados

optimizados. Algunos de los pasos son los siguientes:

• Ajuste de datos: Se refiere a mejorar la calidad de los datos que se involucran en

el proceso. Ejemplos de ello son el suavizado de audio con exceso de ruido o la

eliminación de datos inconsistentes.

• Integración de datos: Es el procedimiento de combinar datos de distintas fuentes

para obtener una colección de datos rica en contenido y unificada.

• Indexado de datos: Permite acceder a las búsquedas de datos y dar soporte a los

sistemas de clasificación automática en la tarea. Debido a la complejidad de la

música, el etiquetado de datos por expertos es imprescindible para partir de un

criterio con el cual entrenar a los sistemas de clasificación.

Pre-Procesado de Datos:

El pre-procesado hace referencia al primer ajuste realizado a los datos. Ejemplos de ello

son el muestreo, la extracción de características o la reducción de la dimensionalidad:

• Muestreo de datos: consiste en discretizar la señal de audio y permite reducir el

tamaño de los datos para facilitar futuros procesos computacionales.

• Extracción de características: permite definir información inherente en la propia

onda de sonido. Pueden ser temporales o frecuenciales y a través de estas

características, se facilita la tarea a los sistemas de clasificación para encontrar

similitudes o diferencias entre archivos musicales.

• Reducción de la dimensionalidad: se refiere al filtrado de la información que

define a una onda sonora. La reducción de dimensionalidad mediante la selección

de características se conoce como selección de atributos. A través de técnicas de

álgebra lineal es posible proyectar los datos de un espacio de dimensiones original

a uno nuevo de menor dimensiones y con información relevante.

Administración

de Datos

Pre-procesado

de Datos

Procesado de

Datos

Post-Procesado

de Datos

3

Procesado de datos:

El ciclo de la minería de datos está conformado por distintos procesos finales, según la

finalidad de cada tarea. Algunos de ellos son la visualización, la asociación o clasificación

de datos:

• Visualización de datos: Permite proveer de interpretaciones visuales para una

serie de datos en concreto con el objetivo de poder analizar relaciones entre datos

o buscar tendencias. Algunas de las técnicas más utilizadas para la visualización

de datos son los gráficos o tablas.

• Asociación: Tarea de detectar correlaciones entre diferentes atributos de una base

de datos. En música, se aplica a la búsqueda de patrones entre listas musicales

generadas por el propio usuario y ordenadas según sus criterios para ofrecerle

recomendaciones.

• Clasificación: Consiste en asignar objetos a categorías predefinidas. Cuando se

trata con datos musicales, existen múltiples tareas de clasificación: clasificación

de géneros musicales, clasificación por artista, estado de ánimo o reconocimiento

de instrumentos. El objetivo es construir modelos a partir de una base de datos de

entrada utilizando técnicas de clasificación por computador.

Cada técnica utiliza distintos algoritmos de aprendizaje para encontrar un modelo

que mejor represente a los datos y la perteneciente. Además, un buen clasificador,

debe ser capaz de predecir correctamente la clase a la que pertenece un archivo

nunca visto por el modelo. Por tanto, el objetivo de la clasificación es construir

modelos que sean capaces de generalizar, es decir, que sean mejores prediciendo

correctamente nuevos datos que no forman parte de la creación del modelo [Tan,

Steinbach and Kumar 2006].

Post-Procesado de datos:

En este punto es dónde se analizan los resultados obtenidos y se procede su valoración.

Existen múltiples formas de evaluar el proceso de clasificación como las matrices de

confusión, de las cuales se obtienen valores estadísticos referentes que explican la

clasificación desde distintos puntos de vista. De este modo se puede volver a iterar en el

modelo, realizando cambios o ajustes para obtener nuevos y mejores resultados,

comparándolos con los anteriores y optimizando el modelo creado. En definitiva, los

procesos que intentan resolver un problema de minería de datos son iterativos y

adaptativos, permitiendo ajustar y optimizar el modelo tanto como se requiera.

4

1.2. Recuperación de Información Musical (MIR)

La Recuperación de Información Musical pretende buscar soluciones a problemas

relacionados con la minería de datos del ámbito musical. En concreto, se centra en

recuperar información del contenido musical basándose en la extracción de características

de la forma de onda del audio. Además, actualmente se añaden también datos referentes

al número de reproducciones, edad de los consumidores y entre otros metadatos, creando

lo que se conoce como propuestas Mixtas.

El indexado automático o el desarrollo de búsquedas automáticas y recuperación musical,

son algunos de los campos que trata la investigación de MIR, cuyos fines son cada vez

más enfocados en la industria.

Pese a que la música es un elemento muy relevante en la sociedad, el auge de la

investigación en el campo de MIR se remonta a hace relativamente poco. En la época

1990s empezó a evolucionar gracias a aspectos como la mejora de los formatos de

compresión de audio, el incremento de potencia de procesado de los ordenadores en el

ámbito doméstico o la evolución de los dispositivos de música móviles [Schedl, Gómez

& Urbano 2014]. Hoy en día este campo requiere de mucha importancia, sobre todo por

la aparición de servicios de música en streaming, que prometen un consumo de música

ilimitada y con múltiples funcionalidades a cada momento y en cualquier sitio.

1.2.1. Sociedad Internacional de Recuperación de Información Musical (ISMIR)

La ISMIR, es el punto de encuentro de todas aquellas organizaciones que se encargan de

investigar sobre todos los aspectos relacionados con la MIR a nivel mundial. El objetivo

de estas conferencias es compartir propuestas y aportar nuevos conocimientos en los

distintos campos de investigación de las MIR, los cuales engloban desde aspectos teóricos

del procesado de música hasta aplicaciones para la industria.

Desde que se fundó en el 2000 con la primera conferencia en Plymouth, Massachusetts

(USA), se ha llevado a cabo cada año ciudades de todo el mundo cómo Málaga (España)

en el 2015. La próxima conferencia está convocada para el 2019 en Delft (Holanda).

Además, la ISMIR también organiza una evaluación anual para la creación de algoritmos

que resuelven problemas de MIR, conocido como Music Information Retreival

Evaluation eXchange (MIREX).

5

1.2.2. MIR en la industria

Como se ha comentado anteriormente, gracias a la evolución de la forma de escuchar

música, el campo MIR está teniendo gran crecimiento. Son muchas las aplicaciones de

consumo que aparecen gracias a la investigación en este campo. Algunas de ellas se

exponen a continuación:

• Sistemas de recomendación y generación de listas de reproducción:

Pandora1.

Spotify2.

Youtube Music3.

Amazon Prime Music4.

iHeart5.

• Identificación de audio:

Shazam6.

Soundhound7.

• Seguimiento de partituras:

SmartMusic8.

1.3. Estado del Arte

Como se ha comentado anteriormente, la clasificación automática de géneros musicales

basada en contenido es una tarea MIR no trivial. Por este motivo, es un campo sobre el

cual se sigue investigando para encontrar nuevas formas de mejorar los procesos de

clasificación basándose en el estudio y uso de nuevos descriptores más allá de los basados

en contenido, nuevas formas de modelar la clasificación y entre otros aspectos que recaen

sobre el proceso de clasificación.

Estudios recientes como el de [Oramas, Nieto, Barbieri & Serra, 2017] plantean el uso de

deep features del audio, texto o incluso imágenes para lidiar con el problema de la

clasificación del contenido musical en un único género exclusivo, fruto del problema de

clasificación multi-clase, obteniendo mejoras en algunos de los casos frente a los métodos

de extracción de características tradicionales. Otros estudios se basan en la mejora del

resultado del proceso de clasificación basándose en la arquitectura de validación, como

el de [Bogdanov, Porter, Herrera & Serra, 2016] en el cual se plantea la colección cruzada

frente a la tradicional validación cruzada para estimar de forma más real la solidez de un

modelo de clasificación.

En este proyecto se plantea una nueva arquitectura de clasificación basada en la

metodología SIMCA, aportando un nuevo concepto de clasificación de géneros musicales

que es testeada por tres de los modelos de clasificación más comúnmente utilizados

(SVM, KNN y Árbol de Decisión). Lo que se aporta respecto a los estudios encontrados

en el estado del arte, es la comparativa de esta arquitectura en términos de eficiencia y

robustez frente a la arquitectura más simple de clasificación en las mismas condiciones

de trabajo, conocida en este proyecto como Arquitectura Convencional.

1https://www.pandora.com 2https://www.spotify.com 3https://m.youtube.com/feed/music 4https://music.amazon.com

5https://www.iheart.com

6https://www.shazam.com 7https://www.soundhound.com 8https://www.smartmusic.com

https://www.shazam.com/

6

1.4. Objetivos del proyecto

El objetivo del proyecto consiste en implementar y testear una nueva arquitectura de

clasificación de géneros musicales basándose en un modelo estadístico diseñado

originalmente para el análisis de datos químicos en términos de similitud y analogía,

conocido como Soft Independent Modelling of Class Analogies (SIMCA). Este modelo

no ha sido propuesto más allá de la tesis en que se fundamenta este proyecto, para resolver

un problema de clasificación de géneros musicales, pero su estructura permite proponerlo

como un nuevo concepto de clasificación musical. Lo que se requiere, por tanto, es

adaptar la teoría que lo define para implementar la nueva arquitectura de clasificación de

géneros musicales y compararla frente al modelo convencional. Lo novedoso de esta

arquitectura es que aporta un cambio de concepto de clasificación, ya que se crea una

arquitectura de clasificadores especializados exclusivamente en cada género de la

colección de datos descartando todos los demás, al contrario de lo que ocurre en el

clasificador convencional, dónde se crea un clasificador global que mejor define a la

colección en conjunto. Para ello, es necesario cubrir una serie de requerimientos previos

que permiten adentrarse en el mundo de las MIR y la clasificación automática:

• Comprender como los humanos entienden la música y como modelarlo

computacionalmente.

• Definir el modelo de clasificación automática de géneros musicales convencional.

• Comprender el modelo SIMCA y cómo implementarlo.

• Implementar tanto el modelo convencional como la nueva arquitectura propuesta

con las herramientas necesarias.

• Obtener resultados y realizar una comparativa de eficiencia entre modelos.

1.5. Estructura por capítulos

El presente proyecto está desarrollado a lo largo de seis capítulos. En el Capítulo 2 se

presentan los aspectos más relevantes de los sistemas de clasificación automática de

géneros musicales, detallando cada parte del proceso y especificando la Arquitectura

Convencional que se pretende comparar con la propuesta. El Capítulo 3 define la nueva

arquitectura propuesta basada en SIMCA, así como las ventajas sobre la Arquitectura

Convencional. En el Capítulo 4 se describe el entorno de programación utilizado y las

herramientas de soporte necesarias. Además, se analiza, define e implementa tanto la

arquitectura propuesta como la Arquitectura Convencional paso a paso. El Capítulo 5

presenta los resultados obtenidos y la comparativa entre modelos frente a bases de datos

externas al proceso de entrenamiento del modelo. Finalmente, el Capítulo 6 recoge una

evaluación general del proyecto, así como líneas de futuro.

7

Capítulo 2

2. SISTEMAS DE CLASIFICACIÓN

AUTOMÁTICA DE GÉNEROS

MUSICALES

En este segundo capítulo se introduce brevemente las características acústicas más

relevantes del sonido, así como la forma en que los humanos captan y comprenden la

música. Se pretende adentrarse en el mundo de la clasificación de géneros por computador

para definir la tipología de clasificación sobre la cual se trabaja en este proyecto y como

se modela el comportamiento humano, con la finalidad de comprender la estructura de

clasificación Convencional. Seguidamente se define de forma detallada la arquitectura,

analizando en cada una de las fases los aspectos más importantes y relevantes que se

deben tener en cuenta cuando se pretende crear una arquitectura de clasificación

automática.

2.1. Fundamentos musicales

Cualquier elemento referente al audio se considera una característica musical, ya que

define de forma teórica aquello que se percibe como música. Según [White 1976] existen

seis aspectos fundamentales:

Melodía, Armonía, Ritmo, Tono, Forma y el Tempo

Con el paso del tiempo [Cook 1999] definió que las características musicales que utilizan

los humanos para percibir y describir el audio se pueden organizar en dos grupos:

• Primarios: El Tono, el Volumen, la Duración y el Timbre.

• Secundarios: La Estructura, la Textura, el Estilo y el Estado Anímico.

Siguiendo con el paso de los años, se han ido añadiendo y creando nuevas características

que definen el sonido, haciendo que existan una gran cantidad de acuerdo cómo los

humanos lo perciben. Por tanto, una de las tareas primordiales de un sistema de

clasificación automática de géneros musicales se centra en modelar las características

acústicas de la forma que lo perciben los humanos y adecuarse a la tipología de

clasificación requerida.

8

2.2. Los humanos y la clasificación de géneros musicales

El sistema auditivo humano, entre otros aspectos, es capaz de detectar características

musicales y combinarlas para permitir al cerebro crear asociaciones y clasificar la música

en géneros. En la figura 3.1 se puede observar un esquema simplificado del sistema

auditivo, conformado por tres partes diferenciadas: el oído externo, el oído medio y el

oído interno. El oído externo forma la parte visible y permite captar las ondas sonoras y

conducirlas hasta el tímpano, dónde empieza el oído medio. Aquí, el tímpano transmite

las vibraciones que le produce la onda sonora a la cadena de huesos dirigiéndolas hasta

la cóclea. En este punto se llega al oído interno, que actúa como analizador de frecuencias

y se conecta con el nervio auditivo. Posteriormente, a través de complejos procesos

cognitivos de alto nivel, el cerebro es capaz de clasificar la música en géneros.

Figura 3.1: Esquema del sistema auditivo humano. De izquierda a derecha se muestra el oído externo (1).

Le sigue el oído medio, donde una cadena de tres huesos transmite las vibraciones del tímpano hacia el

fluido que circula por el oído (2). Seguidamente, la cóclea capta este sonido y actúa como analizador

frecuencial (3) y está conectado al nervio auditivo (4), permitiendo de este modo convertir frecuencia en

impulsos nerviosos que se analizan en el cerebro, a través de complejos procesos cognitivos. Extraída de

[Donkelaar & Kimitaka, 2011].

Los humanos no tienen únicamente la capacidad de clasificar gracias al sistema auditivo

y a los aspectos musicales que conforman las propiedades intrínsecas de música. Aspectos

sociológicos, como por ejemplo la cultura en que el ser humano se desarrolla como

persona, pueden afectar en la clasificación. Se puede observar, entonces, que la

clasificación de géneros musicales ocurre en distintos niveles de extracción [Ahrendt,

2006] y que, por tanto, aspectos tanto inherentes como externos a la propia onda musical

se unen para hacer aún más complicada la tarea de clasificación, pero ¿cuál de los dos

impera?

Para conocer la importancia de los dos aspectos en la tarea de clasificación, [Chase 2001]

realizó un experimento para la cual se utilizó a tres sujetos. En concreto, tres carpas koi

en edad adulta y entrenadas previamente para reconocer entre el género musical Blues y

Clásico. El porqué de utilizar carpas koi es debido a que el sistema auditivo trabaja de

forma muy similar al del humano. En la figura 2.2 se puede observar como el rango de

frecuencias sensitivas de una carpa es el que más se asemeja al del humano, frente a otros

animales.

1 2 3 4

9

Figura 2.2: Respuesta frecuencial de distintos seres vivos. Se puede observar la semejanza entre la carpa

koi y el ser humano. Extraída de [Chase 2011].

En el experimento, se demostró que la carpa koi es capaz de discriminar entre géneros

musicales y clasificarlos con un alto porcentaje de acierto, al ser capaces de reconocer y

combinar la melodía, el timbre, el tono, y otros aspectos musicales. Esto demuestra que

el contenido intrínseco de la propia música es suficiente para la tarea de clasificación de

géneros musicales y que aspectos extrínsecos, no son un problema muy relevante en la

categorización por género. Por este motivo y para generalizar el modelaje automático de

clasificación, en este proyecto se trabajará únicamente con las propiedades inherentes en

del sonido.

2.3. La Clasificación Automática de Géneros Musicales

La clasificación automática consiste en la categorización realizada por un ordenador a

través de algoritmos de aprendizaje automático. Su objetivo es simular el comportamiento

del sistema auditivo y aprendizaje neuronal humano que permite categorizar la música.

Existen dos tipologías de aprendizaje automático basadas en cómo se definen los datos

de entrada para el clasificador: no supervisado y supervisado.

En el aprendizaje no supervisado, se trabaja con datos de entrada sin ningún tipo de

etiquetado que defina a que categoría pertenece. Por tanto, solamente se puede describir

la estructura que siguen estos datos y la clasificación emerge de ellos mismos, basándose

en medidas de similitud sencillas (distancia euclidiana) o más complejas (modelos de

mezcla gausiana o modelos ocultos de markov) que modelan, además, la evolución

temporal de los vectores de características. El objetivo del clasificador es, por tanto, crear

grupos de datos con características similares. Seguidamente se exponen algunos de los

más utilizados:

• Clasificadores no supervisados:

K-means.

Self Organizing Map (SOM).

Growing Hierarchical Self Organizing Map (GHSOM).

10

En cambio, en el aprendizaje supervisado, se trabaja con datos debidamente etiquetados

dada una taxonomía de géneros, por lo que se conoce el resultado correcto de la

clasificación. Por tanto, estos modelos utilizan un conjunto de estos datos como

entrenamiento para mapear los datos de entrada a los valores de salida conocidos. A partir

de estos datos de entrenamiento, se pretende construir un modelo predictivo aplicable a

nuevos datos externos al proceso de entrenamiento. Como se trata de un algoritmo

supervisado, éste se puede ir ajustando y el aprendizaje finaliza cuando se obtiene un

nivel de precisión adecuado. Algunos de los más utilizados son los siguientes:

• Clasificadores supervisados:

K-Vecinos Cercanos (KNN).

Árboles de Decisión.

Máquinas de Vectores de Soporte (SVM).

La figura siguiente muestra de forma gráfica la diferencia entre las dos tipologías

mencionadas:

Figura 2.3: Clasificación Supervisada frente a No Supervisada. En la figura de la izquierda se puede

observar dos clases distintas y como el aprendizaje supervisado crea una separación entre ellas gracias a su

categorización. En la derecha, en cambio, se puede observar que los datos no pertenecen a ninguna categoría

asignada, por lo que el sistema de aprendizaje no supervisado realiza agrupamiento de datos por similitud

de comportamiento. Edición propia.

Vistos las dos tipologías de clasificación, cabe destacar que proyecto está frente a un

problema de clasificación supervisada, ya que como se comenta en posteriores capítulos,

es el que más se adecua a su finalidad.

X1

X2

X1

X2

?

? ?

?

? ? ?

?

? ?

? ? ?

?

?

Supervisado No Supervisado

11

2.3.1. El clasificador automático: Arquitectura

Todo clasificador supervisado de géneros musicales lo conforma un conjunto de procesos

iterativos con la finalidad de, partiendo de una base de datos debidamente etiquetada,

crear un sistema capaz de clasificar con un porcentaje de acierto adecuado y siendo capaz

de adaptarse a nuevos datos nunca vistos por el sistema. En la siguiente figura se

representa un esquema básico de un clasificador automático de géneros musicales:

Figura 2.4: Diagrama de bloques para un sistema de clasificación automático convencional

Se pueden observar básicamente cuatro grandes procesos dentro de este tipo de sistemas,

los cuales se detallan para comprender el proceso en su totalidad:

1. Creación de la colección de datos

2. Extracción de características basadas en contenido

3. Clasificación

4. Evaluación de resultados

2.3.2. La Colección de Datos

Es el elemento básico de trabajo y seleccionarla, conforma el primer paso en un sistema

de clasificación automático. Esta debe contener todo el universo de géneros que se

requiera que el clasificador sea capaz de reconocer y estar debidamente etiquetada. Por

ello, es de vital importancia saber que existen distintos parámetros para construir una base

de datos que afectan directamente al proceso de la clasificación. Algunos de ellos se

definen a continuación [Guaus, 2009]:

- Número de géneros:

Es uno de los aspectos más importantes en el diseño de una colección de géneros

musicales. Establece la precisión base para una clasificación aleatoria que, en caso de

tener un conjunto de datos equitativamente distribuida, se calcula como:

𝑃𝑟𝑒𝑐𝑖𝑠𝑖ó𝑛 =1

𝑁∗ 100,

dónde N hace referencia al número de géneros.

12

- Tamaño de cada género:

Cuanto a la cantidad de piezas musicales de cada género no existe un tamaño teórico.

Dependiendo de la funcionalidad del clasificador en cuestión puede variar el número tanto

de géneros como contenido. En las tablas A.1 y A.2 del Anexo A: Colecciones de géneros

musicales creadas por expertos, se muestran distintas colecciones de datos comúnmente

utilizadas en tareas de clasificación y como difieren entre ellas.

- Longitud de la pieza musical:

Para categorizar una pieza musical no es necesario escucharla en su totalidad. Con una

muestra de la pieza de entre 10 y 60 segundos, siempre que sea representativa, es

suficiente. De este modo se reduce el tamaño de la colección datos y se facilita la tarea

de procesado al sistema de clasificación, sin eliminar la variedad.

- Variabilidad:

Las colecciones de datos deben recoger la máxima variedad de música para un género

musical en específico, incluyendo distintos artistas y subgéneros. Es recomendable no

utilizar más de una canción por artista debido a que puede afectar al peso de una

determinada propiedad musical dentro de la colección de datos.

- Balanceado de datos:

Es importante que la colección de datos esté bien balanceada, es decir, que la cantidad de

canciones por género sea la misma. De este modo se podrán obtener resultados

equilibrados y con una buena tendencia. Pese a esto, colecciones de géneros musicales

comúnmente utilizadas están perfectamente balanceadas (ver Capítulo 4, Tabla 4.1) y

otras todo lo contrario (ver Anexo A, Tabla A.1 y A.2), dependiendo de la finalidad que se

requiera de un proceso de clasificación.

2.3.3. La Extracción de Características

Una vez seleccionada la base de datos con la que se requiere trabajar, se procede a la

extracción de características. El audio digital contiene demasiada información como para

ser tratada por un clasificador pese a, por ejemplo, haber seleccionado una porción de 30

segundos de un archivo musical. Es gracias a la extracción de características que se hace

posible representar de forma compacta y acotada una serie de atributos que representan

partes interesantes de la propia onda de sonido en su totalidad.

Para poder calcularlos, se asume que la onda de sonido permanece estacionaria en un

intervalo de tiempo muy reducido. Para ello, el primer paso consiste en dividirla en

frames, normalmente de unos 30 milisegundos, ya que en este periodo se mantiene

prácticamente estática. A cada una de las muestras se les aplica una función de ventana,

para evitar los artefactos que puedan producir la división por frames, y una pequeña

superposición entre ellas, como se puede observar en la figura 2.5. Matemáticamente este

proceso se puede definir de la siguiente forma [Ahrendt, 2006]:

13

𝑋𝑛 = [𝑊0 ∗ 𝑆𝑛 − (𝑁 − 1), … , 𝑊(𝑁 − 1) ∗ 𝑆𝑛] dónde,

𝑋𝑛 hace referencia al vector de características.

𝑊0 los coeficientes de la función de ventana.

𝑆𝑛 es la señal original.

N el tamaño de intervalo.

Una vez obtenida la representación de la señal de audio en pequeños intervalos de tiempo,

se puede aplicar la transformación que se requiera para obtener un determinado

descriptor. Matemáticamente:

𝑋𝑛 = 𝑇[𝑋1, … , 𝑋𝑛−1 ] donde,

T corresponde a la función de transformación.

Figura 2.5: Obtenida de [Polotti & Davide Rocchesso 2008], página 94. Esquema de extracción de

características aplicando STFT. De arriba a abajo, en la primera figura se observa que partiendo de la señal

completa 𝑆𝑛 en todos los intervalos de tiempo n, esta se divide y se selecciona el contenido de un intervalo

de tamaño N, de aproximadamente 20 milisegundos. Sobre esta muestra se aplica, en la segunda figura,

una ventana Hamming para evitar artefactos en los extremos de la muestra cómo se observa en la tercera

figura. Posteriormente se integra este proceso a lo largo de toda la onda de sonido, aplicando una pequeña

superposición entre intervalos.

Los descriptores pueden definir características de bajo nivel (energía, espectro de

frecuencias, …) o de alto nivel (género, estado de ánimo, ...). Además, según el aspecto

musical que se quiera estudiar, se pueden obtener descriptores temporales, frecuenciales

de alto y bajo nivel. En este proyecto se utilizan descriptores de bajo nivel tanto

temporales como frecuenciales, debido a que se calculan a partir de la esencia de los datos

y son computacionalmente poco costosos para los sistemas de clasificación.

14

Descriptores temporales

Son aquellos que se pueden calcular directamente del espacio original en que coexisten

los intervalos en que se ha dividido la pieza de audio. A continuación, se exponen algunos

de los más representativos [Peeters, 2004], algunos de los cuales se utilizan en este

proyecto:

- Energía:

La energía de una señal de audio permite representar una evolución de la amplitud a lo

largo del tiempo detectando la existencia de cambios, cuando se produce audio y cuando

no, entre otros aspectos de la evolución temporal de la pieza musical. En definitiva, es un

descriptor relacionado con el volumen. En el caso de señales discretas, se puede definir

como:

𝐸 = ∑ 𝑋[𝑛]2

𝑁

𝑛=0

𝑋[𝑛] es la señal discreta y N corresponde a la longitud de los fragmentos.

La estimación de la curva de energía es imprescindible para posteriormente calcular

descriptores como el centroide temporal o el log-attack time.

Figura 2.6: Representación temporal de la curva de energía, en rojo, sobre una señal sinusoidal, en azul.

Extraída de [Peeters 2003].

- Log Attack Time:

Descriptor que se calcula a partir de la energía y que indica la rapidez con la que el sonido

cambia, conocido como el tiempo de ataque. Su expresión matemática la sigue la

siguiente fórmula:

𝐿𝐴𝑇 = log10(𝑠𝑡𝑜𝑝𝑎𝑡𝑡𝑎𝑐𝑘 − 𝑠𝑡𝑎𝑟𝑡𝑎𝑡𝑡𝑎𝑐𝑘)

𝑠𝑡𝑎𝑟𝑡𝑎𝑡𝑡𝑎𝑐𝑘 , hace referencia al punto en el cual la energía del sonido sobrepasa el límite

inferior y empieza a tener presencia.

𝑠𝑡𝑜𝑝𝑎𝑡𝑡𝑎𝑐𝑘 , es el punto máximo de energía de la onda sonora y en el cual empieza a

decaer.

dónde,

dónde,

15

Este descriptor permite distinguir sonidos como el habla, de sonidos percusivos, entre

otros. Una de las formas de calcularlo se puede observar en la figura 2.7, dónde se estima

a través de la aplicación de límites en la curva de energía. Normalmente, el límite inferior

se establece en un 20% del total de la energía para evitar la presencia de ruido en la señal.

Para el final del ataque, se establece el límite a un 90%.

Figura 2.7: Identificación del ataque de una onda de sonido sobre la curva de energía a través del

establecimiento de límites inferior y superior. Extraída de [Peeters 2003].

- Zero Crossing Rate (ZCR):

En el caso de señales de audio discretas, ZCR permite calcular cuantas veces cambia de

signo entre muestras consecutivas. Sonidos que sean periódicos tienden a tener un valor

más pequeño, mientras que sonidos más ruidosos todo lo contrario. La función de signo

tiene valor 1 para valores positivos y 0 para los negativos. Matemáticamente:

𝑍𝐶𝑅 =1

2 ∑ 𝑎𝑏𝑠[𝑠𝑖𝑔𝑛(𝑋[𝑛]) − 𝑠𝑖𝑔𝑛(𝑋[𝑛 − 1])]

𝑁

𝑛−1

𝑋[𝑛] corresponde a la señal discreta.

N es la longitud de 𝑋[𝑛].

- Temporal centroid:

Hace referencia al centro de gravedad sobre la curva de energía, indicando en qué

posición temporal tiene más energía la onda sonora. Permite distinguir entre sonidos

percusivos o, por lo contrario, sostenidos. Su expresión matemática se puede observar a

continuación:

𝑇𝐶 = ∑ 𝑒(𝑡) ∗ 𝑡𝑡

∑ 𝑒(𝑡)𝑡

𝑒(𝑡) es la función de energía.

dónde,

dónde,

16

Descriptores Frecuenciales

Además de poder calcular descriptores temporales de audio, también es común trabajar

en otro tipo de dominio que aporta información muy interesante, el frecuencial. En este

dominio es posible calcular otra tipología de descriptores basado en la representación

espectral, simulando como los humanos responden al sonido. Para ello, es necesario

realizar una transformación de la señal original para poder representarla en este nuevo

dominio, a través del concepto de la Transformada Discreta de Fourier (DFT), en concreto

la Transformada discreta de Fourier en Corto periodo de Tiempo (STFT), una versión de

la DFT variante en el tiempo.

Al realizar esta transformación, obtenemos una representación de cada trama de la señal

en magnitud y fase sobre tiempo y frecuencia. Matemáticamente:

𝑋𝑙[𝑘] = ∑ 𝑤[𝑛] ∗ 𝑥[𝑛 + 𝑙𝐻] ∗ 𝑒2𝜋𝑘𝑛

𝑁

𝑁2

−1

𝑛=−𝑁2

𝑋𝑙[𝑘] es la secuencia k de la STFT para el intervalo l.

𝑤[𝑛] es la ventana de análisis.

𝑥[𝑛 + 𝑙𝐻] es la señal por transformar, donde 𝑙 hace referencia al intervalo en cuestión y

H el valor de distancia entre intervalos, el tamaño de salto.

𝑒2𝜋𝑘𝑛

𝑁 es una función compleja sinusoidal que representa la fase y la magnitud sobre el

tiempo y frecuencia.

La figura que se muestra a continuación representa de forma gráfica la transformación

del dominio temporal al dominio frecuencial aplicando el solapamiento de ventanas y la

FFT para cada intervalo, resultando en la técnica de STFT.

Figura 2.8: Representación gráfica de la transformación de una señal del espacio temporal (figura superior)

al dominio frecuencial (figura inferior) aplicando la FFT.

Seguidamente, se presentan algunos de los descriptores frecuenciales más utilizados en

MIR, algunos de los cuales se utilizan en este proyecto [Peeters, 2004].

con 𝑙 = 0,1, …, dónde,

17

- Spectral Centroid

Se define como el baricentro de la distribución de energía espectral. Se puede interpretar

como una medida de la media de frecuencias, ponderada por la amplitud del espectro,

representando una medida de brillantez del audio. Si en un audio imperan bajas

frecuencias, el valor del spectral centroid será bajo y el caso contrario con altas

frecuencias. Des del punto de vista matemático, se puede calcular como [Guaus, 2009]:

𝑆𝐶 = ∑ 𝑓𝑖 ∗ 𝑎𝑖

∑ 𝑎𝑖

𝑓𝑖 es el valor de frecuencia para cada trama de la FFT.

𝑎𝑖 representa la amplitud de la señal.

- Spectral Spread

Descriptor relacionado con el spectral centroid que indica la varianza del espectro.

- Spectral Skewness

Indica una medida de la asimetría de una distribución respecto su valor medio. Si el valor

de skewnes es 0, indica que se trata de una distribución totalmente simétrica. En cambio,

si es positivo, indica que tiene más energía en la parte izquierda. Por lo contrario, si el

valor es negativo, indica que contiene mayor energía en la parte derecha.

- Spectral Flatness:

Descriptor que representa la ratio entre la media geométrica y la aritmética de la densidad

de energía espectral para cada banda de frecuencias [Peeters, 2004]. Aporta una idea

sobre si el sonido que se está tratando es armónico o por lo contrario es ruidoso.

Matemáticamente:

𝑆𝐹(𝑛𝑢𝑚_𝑏𝑎𝑛𝑑) =(∏ 𝑎(𝑘)𝑘 ∈ 𝑛𝑢𝑚_𝑏𝑎𝑛𝑑 )

1/𝐾

1𝐾

∑ 𝑎(𝑘)𝑘 ∈ 𝑛𝑢𝑚_𝑏𝑎𝑛𝑑

𝑎(𝑘) corresponde a la amplitud de la banda de frecuencia k.

A partir de este valor, se puede generar el coeficiente de tonalidad expresado en

decibelios, el cual es inversamente proporcional al spectral flatness.

𝑇𝑜𝑛𝑎𝑙𝑖𝑑𝑎𝑑 = min (𝑆𝐹𝑑𝐵

−60, 1)

𝑆𝐹𝑑𝐵 = 10 ∗ log10(𝑆𝐹)

dónde,

dónde,

dónde,

18

Un valor 0 de spectral flatness indica un sonido totalmente tonal, es decir, que el valor de

tonalidad equivale a 1. Por lo contrario, un valor 1 de spectral flatness indica un sonido

totalmente ruidoso, con valor de tonalidad 0.

- Spectral Crest:

Es un descriptor relacionado con el anterior que indica cuanto de extremos son los picos

de frecuencia. Se calcula como la ratio del máximo valor de amplitud, dentro de las

bandas de frecuencia, respecto la media aritmética de la densidad de energía espectral

[Peeters, 2004]. La siguiente fórmula muestra su cálculo:

𝑆𝐶𝑀(𝑛𝑢𝑚𝑏𝑎𝑛𝑑) = max (𝑎(𝑘 ∈ 𝑛𝑢𝑚𝑏𝑎𝑛𝑑)

1𝐾

∑ 𝑎(𝑘)𝑘∈ 𝑛𝑢𝑚𝑏𝑎𝑛𝑑

𝑎(𝑘) corresponde a la amplitud de la banda de frecuencia k.

- Spectral Flux:

Indica como varia el espectro de frecuencias a nivel local entre tramas [Tzanetakis &

Cook, 2002]. Si el spectral flux produce valores altos, significa que existe mucho cambio

espectral entre tramas consecutivas. Su expresión matemática:

𝐹𝑡 = ∑ (𝑁𝑡[𝑛] − 𝑁𝑡−1[𝑛])2

𝑁

𝑛=1

𝑁𝑡 corresponde a la distribución frecuencial en el intervalo de tiempo t.

- Spectral RollOff:

Según [Peeters 2004] conforma el punto frecuencial en el que el 95% de la energía de la

señal está contenida por debajo de esta misma frecuencia. Está correlacionada con

frecuencia de corte entre sonido armónico y ruidoso. Matemáticamente:

∑ 𝑎2(𝑓) = 0.95 ∑ 𝑎2(𝑓)

𝑠𝑟/2

0

𝑓𝑐

0

𝑓𝑐 hace referencia a la frecuencia espectral de roll-off.

𝑠𝑟/2 es la frecuencia de Nyquist.

dónde,

dónde,

dónde,

19

- Mel Frequency Cepstrum Coefficients (MFCC):

Los MFCC son unos coeficientes que representan la energía del espectro de frecuencia,

basándose en la percepción del sistema auditivo humano. Estos, son derivados de un tipo

de representación Cepstral (el Cepstrum), el cual es el resultado de calcular la Inversa de

la Transformada de Fourier (IFT) del logaritmo de la energía del espectro de frecuencia.

La mayor ventaja del Cepstrum es que una vez aplicado, permite transformar una

convolución en el tiempo, en una suma en el dominio espectral, separando de este modo

la fuente del filtro (lo que realmente nos interesa y produce el sonido) de una señal de

audio. Además, aplicando la escala de Mel se consigue imitar el comportamiento acústico

de la cóclea, adaptándose de forma no lineal al comportamiento frecuencial. De aquí

aparecen los MFCC.

La siguiente fórmula muestra la conversión frecuencial a la escala de mel:

𝑚𝑒𝑙 𝑓 = 2592 ∗ log10[1 +𝑓

700]

En definitiva, los MFCC se calculan de la siguiente forma:

1. Se muestrea la señal en tramos pequeños.

2. Se aplica la DFT (Transformada Discreta de Fourier) y se obtiene la potencia

espectral de cada muestra para obtener la representación espectral.

3. Se aplica la conversión a la Escala de Mel y se suman las energías.

4. Se calcula el logaritmo de todas las energías de cada frecuencia de Mel.

5. S aplica la DCT (Transformada de Coseno Discreta) a los logaritmos.

20

El vector de características

Como se ha podido observar, existen múltiples descriptores que representan el contenido

musical de distintas formas y en diferentes dominios. Para poder enriquecer la base de

datos y definir detalladamente cada uno de los archivos musicales, es necesario que estos

descriptores coexistan para definir características desde distintos puntos de vista.

El vector de características es el elemento que conforma este punto de unión entre

descriptores individuales que definen distintos aspectos para una misma señal de audio.

La idea es crear un vector por cada archivo en la colección de datos, de modo que cada

uno de ellos está representado por los mismos descriptores que definen de forma numérica

aspectos inherentes de los archivos de audio. Asimismo, estos vectores de características

son los que harán posible construir una representación de la base de datos en su totalidad

y que va a permitir que el clasificador sea capaz de comprender como se comportan las

distintas categorías de géneros musicales a través de datos numéricos. Una vez obtenidos,

mediante la agrupación y representación estadística a través de cálculos como la media o

la varianza, se representa la colección de datos en su totalidad. La figura que se muestra

a continuación representa de forma esquemática el proceso de adquisición del vector de

características.

Figura 2.9: Proceso de extracción de características de una señal de audio original y creación del vector de

características con descriptores del dominio frecuencial y temporal. Edición propia.

Optimización de los datos

El proceso de extracción de características puede producir una gran cantidad de

información para el clasificador, cuya complejidad recae en la cantidad de descriptores

utilizados para definirla. Es erróneo pensar que la base de datos estará mejor definida

cuanto mayor sea la cantidad de descriptores utilizados para crearla. Todo depende de

que descriptores se usen y de la finalidad del sistema de clasificación.

A modo de ejemplo, es conocido que el coeficiente MFCC0 está relacionado con la

energía de la señal de audio en concreto, con lo que no aporta mucha información para

un sistema de clasificación automática [Guaus, 2009]. Por este motivo, existen técnicas

de optimización de los datos, conocidas como Selección de Características, que permiten

Extracción de

características

Log Attack Time

Zero Crossing Rate

Spectral Centroid

MFCC

VC = [LAT,ZCR,SC, MFCC1,…]

Audio Original Audio transformado en

vector de características

Audio.wav

a

t

a

f

Dominio Frecuencial

Dominio Temporal

21

reducir la dimensionalidad de la base de datos de acuerdo con distintos criterios. Dos de

los métodos más utilizados son los siguientes:

• Entropía:

Los algoritmos basados en entropía seleccionan un conjunto de atributos que

individualmente correlacionan bien con la clase, pero poco entre ellos. De este modo, se

consigue seleccionar aquellos atributos que mejor separan entre géneros.

• Análisis de Componentes Principales (PCA):

Consiste en una transformación de espacio, mediante la proyección del vector de

características actual en un nuevo espacio en el cual se calculan unos nuevos descriptores

que son combinación lineal de todos los originales. En este nuevo espacio de

características, se aplica un peso a cada uno de los atributos originales de modo que los

nuevos atributos están ponderados, consiguiendo una mejor adaptación de la información

y descartando la irrelevante.

2.3.4. La Clasificación

Una vez obtenido un vector de características de bajo nivel que define de la mejor forma

posible cada uno de los archivos musicales pertenecientes a la base de datos, el siguiente

paso consiste en encontrar patrones en el espacio de características que sean capaces de

distinguir entre géneros y la tarea de encontrarlos recae sobre el clasificador.

Como se ha comentado en el apartado 2.3 de este capítulo, en este proyecto se van a

utilizar clasificadores expresamente diseñados para tareas de clasificación supervisada.

A continuación, se definen tres de las técnicas de clasificación más conocidas.

1. K-vecinos más cercanos

Es uno de los algoritmos de aprendizaje supervisado más sencillo. Su idea se basa en

clasificar un nuevo dato a una de las 𝑁 clases conocidas según tenga 𝑘 vecinos más cerca

de una clase u otra. Para ello, el algoritmo calcula la distancia de un nuevo dato a cada

uno de los datos de las distintas clases para seleccionar a que grupo pertenece.

Este algoritmo pertenece al grupo de clasificadores aprendizaje vago, por el hecho de que

no se crea un modelo de aprendizaje con los datos entrenamiento, sino que se realiza en

la misma fase de test. Seguidamente se detallas las fases del proceso.

- Fase de entrenamiento:

En la fase de entrenamiento se generan los datos de las 𝑁 clases que se van a utilizar para

la clasificación. Para ello, simplemente para cada dato de entrenamiento 𝑥, 𝑓(𝑥), se añade

debidamente etiquetado a la lista de datos de entrenamiento.

22

- Fase de Test/Clasificación:

Dado un nuevo dato a clasificar 𝑥𝑐, se denomina 𝑥1 … . 𝑥𝑘 a las 𝑘 instancias de los datos

de entrenamiento más cercanas a 𝑥𝑐 y se devuelve la pertenencia a la clase en términos

de mayor cantidad de elementos de una clase.

Figura 2.10: Representación de clasificación de K vecinos más cercanos. En la fase de entrenamiento se

posicionan las clases círculo y equis. En la fase de clasificación, aparece un nuevo dato que, es clasificado

como clase circulo para k = 3 y como clase equis para k =5. Edición propia.

2. Máquinas de Vectores de Soporte (SVM)

Es uno de los algoritmos de clasificación supervisada que mejor resultados produce. El

objetivo de este método de es el de encontrar un hiperplano que mejor separe los datos

de entrenamiento. Pueden existir múltiples formas de separar los datos de entrenamiento,

pero SVM se basa en escoger aquel que maximice el margen entre clases (distancia entre

el hiperplano i los elementos más cercanos de cada clase a este hiperplano). Estos

elementos son los denominados Vectores de Soporte, aquellos que si se eliminan alteran

la posición del hiperplano de separación entre clases, con lo cual se consideran elementos

críticos del proceso de entrenamiento.

El método SVM es realmente útil cuando no existe un hiperplano claro que separe entre

las clases de una base de datos de entrenamiento. Cuando esto ocurre, SVM, proyecta los

datos de entrenamiento en un espacio de características N dimensional según se requiera

a través de las funciones de Kernel.

Figura 2.11: Representación de clasificación aplicando SVM para un problema de dos clases. En 1, se

puede observar un problema de clasificación idílico, cuyas clases se pueden separar claramente por un

hiperplano (línea) que maximiza la distancia entre vectores de soporte. En 2 se puede observar una base de

datos de entrenamiento con dos clases totalmente mezcladas, cuya separación en esta dimensión es inviable.

Y

?

X

Y

X

Fase de Entrenamiento Fase de Clasificación

1 2 3

?

Y

X

Y

X

Y

X

Z

23

En 3 se observa el mapeado a un espacio dimensional mayor, donde un hiperplano puede separar las dos

clases. Edición propia.

Una vez entrenado el modelo, cuando se requiere testearlo, los nuevos datos son

mapeados al espacio dimensional requerido y se les asigna la pertenencia a la clase según

la posición en que se encuentren del hiperplano obtenido.

3. Árboles de Decisión:

Los árboles de decisión son un tipo de clasificación supervisada donde la función de

aprendizaje está representada por una estructura de árbol binario. Básicamente, lo

conforman tres elementos distintos: Nodos, Ramas y Hojas.

Los nodos representan cada uno de los puntos de decisión, representados por los

descriptores que mejor definen a la clase. Las ramas hacen referencia a la unión entre

nodos que van dirigiendo la decisión de clasificación según un umbral de decisión. Por

último, las hojas son el punto final del camino de decisión y representan a la selección de

la clase.

En los árboles de decisión, cuando se requiere clasificar una nueva instancia, esta empieza

pasando por el nodo raíz, aquel descriptor que mejor define a la clase, y dependiendo del

valor del umbral, éste va creando el camino impuesto pasando por los siguientes nodos

que mejor definen a la clase después de su superior. La clasificación de esta nueva

instancia acaba cuando llega a una de las hojas del árbol y se le asigna la etiqueta que

contiene. A continuación, se muestra un ejemplo de árbol de decisión.

Figura 2.12: Representación de un árbol de decisión para la clasificación de género rock / no rock para el

fold 4 de entrenamiento y testeo aplicando K-fold Cross-Validation manualmente. Edición propia obtenida

de Weka GUI.

24

2.3.5. Evaluación de resultados

El proceso de evaluación es el último punto dentro de la cadena del clasificador. En este

punto se extrae información respecto al trabajo que ha efectuado según los resultados

obtenidos. Gracias a ello, se puede evaluar su eficiencia a través de distintas medidas

estadísticas que aportan información sobre el proceso de clasificación:

- Matriz de confusión:

Es una de las partes de evaluación más importantes en un proceso de clasificación

supervisada, ya permite observar de forma visualmente sencilla la bondad del

clasificador. En esta matriz, cada una de filas hace referencia a las instancias de la clase

real i las columnas muestran la predicción del clasificador. Los datos que se encuentran

en la diagonal son aquellos correctamente clasificados, mientras que los demás puntos de

cruce informan de las clasificaciones incorrectas.

Clase Predicha

Negativo Positivo

Clase

Real

Negativo Verdadero

Negativo

Falso

Positivo

Positivo Falso

Negativo

Verdadero

Positivo

Tabla 2.1: Representación de la matriz de confusión para las clases negativo y positivo

A través de la matriz de confusión, es posible obtener una serie de medidas estadísticas

que aportan distinta información:

- Exactitud:

Número total de valores predichos correctamente respecto el número total de instancias

de las clases.

𝐸𝑥𝑎𝑐𝑡𝑖𝑡𝑢𝑑 = 𝑉𝑃 + 𝑉𝑁

𝑉𝑃 + 𝑉𝑁 + 𝐹𝑃 + 𝐹𝑁

- Precisión:

Porcentaje del número total de positivos verdaderos respecto al total de los positivos

predichos.

𝑃𝑟𝑒𝑐𝑖𝑠𝑖ó𝑛 = 𝑉𝑃

𝑉𝑃 + 𝐹𝑃

25

- Recall (sensibilidad):

Proporción de valores clasificados como positivos correctamente respecto a los casos que

son realmente positivos.

𝑅𝑒𝑐𝑎𝑙𝑙 = 𝑉𝑃

𝑉𝑃 + 𝐹𝑁

- Medida-F:

Hace referencia a la media entre los valores de precisión y recall. Un valor de medida F

de 1 indica una clasificación perfecta y, por el contrario, un valor 0 indica que la

clasificación es totalmente errónea.

𝑀𝑒𝑑𝑖𝑑𝑎 𝐹 = 2𝑃𝑟𝑒𝑐𝑖𝑠𝑖ó𝑛 ∗ 𝑅𝑒𝑐𝑎𝑙𝑙

𝑃𝑟𝑒𝑐𝑖𝑠𝑖ó𝑛 + 𝑅𝑒𝑐𝑎𝑙𝑙

2.4. Funcionamiento del clasificador automático de géneros musicales

convencional

En el apartado anterior, se ha detallado cada una de las partes que conforman un

clasificador de géneros musicales des del punto en que se selecciona la base de datos con

la que se va a trabajar, hasta la creación del modelo que define de forma conjunta todas

las clases y su evaluación.

La figura 2.13 muestra una representación esquemática del funcionamiento de la

arquitectura de clasificador en condiciones normales, (el cual se denomina Arquitectura

Convencional a partir de este punto) donde se definen dos grandes bloques:

- Entrenamiento y Testeo.

- Uso Típico.

ººº

Entrenamiento

Base de

Datos

Testeo

Extracción de

Características

Clasificación

Nuevas

Canciones

Modelo

Evaluación

Categoría

Asignada

Extracción de

Características

En

tren

amie

nto

y T

este

o

Uso

típ

ico

Extracción de

Características

Figura 2.13: Diagrama de bloques del clasificador de géneros musicales convencional. Basada en [Guaus 2009].

Categoría

Asignada

26

En la parte de entrenamiento y testeo, se selecciona una única base de datos que contiene

todos los géneros requeridos y debidamente etiquetados para construir el modelo.

Seguidamente, a partir de estos datos se obtienen distintas características inherentes en el

propio sonido para representarlo a través de un vector de características, creando de este

modo el modelo a través de la técnica de clasificación que se requiera. Ahora, el sistema

está listo para su uso típico, es decir, para procesar nuevos datos que nunca han sido

vistos. Cuando aparece una nueva canción que se quiere clasificar con el modelo creado,

le aplica la misma extracción de características que a la aplicada a los datos para el

modelaje. Seguidamente, se aplica el modelo creado a las características que definen la

nueva canción y se procede a la asignación de una categoría de género musical.

Finalmente, el resultado se debe evaluar para obtener información respecto a valores de

exactitud del modelo frente a un uso normal del mismo.

El esquema mostrado anteriormente va a ser el utilizado para modelar la Arquitectura de

clasificación Convencional y con la cual se van a obtener medidas estadísticas respecto a

su eficiencia para poder compararla con la arquitectura propuesta en este proyecto.

27

Capítulo 3

3. EL CLASIFICADOR POR

DESCARTE

En el apartado anterior, se ha tratado en detalle cada uno de los procesos que conforman

un sistema de clasificación automático de géneros musicales convencional. Basándose en

esta estructura, en este capítulo se define la arquitectura de clasificador propuesta basada

en el modelo Soft Independent Modelling of Class Analogies (SIMCA), propuesta bajo

la idea de [Wold & Sjostrom 1977], adaptando la base de datos y el sistema de

clasificación.

En primer lugar, se presenta el modelo SIMCA detalladamente, definiendo sus ventajas

y justificación respecto a porqué tiene sentido proponer este método como clasificación

automática de géneros musicales. Finalmente se realiza una comparativa entre el modelo

convencional y la nueva arquitectura propuesta para observar que aspectos comparten y

en qué puntos difieren.

3.1. Soft Independent Modelling of Class Analogies: El modelo SIMCA

El modelo Soft Independendent Modeling of Class Analogies (SIMCA) es un método

estadístico para clasificación de datos supervisados. Fue propuesto por Svante Wold y

Michael Sjostrom en 1977 cómo un método para analizar datos químicos en términos de

similitud y analogía [Wold & Sjostrom 1977]. Debido a ello, este método no se pensó

especialmente para clasificación de géneros musicales pero su estructura hace que tenga

sentido aplicarlo a un nuevo concepto de clasificación musical.

En una frase; SIMCA aplica el Análisis de Componentes Principales (PCA) a cada una

de las clases de la base de datos por separado. Esto significa que aplicando SIMCA, va a

ser posible crear un sistema de clasificación conformado por tantos modelos

especializados en cada una de las clases, como cantidad de clases conformen la colección

de datos con la que se pretende trabajar. De este modo, es posible crear una arquitectura

de clasificación por descarte, donde cada clasificador es capaz de clasificar su pertenencia

o no a la clase, descartando todas las demás. Además, a cada una de las clases se les aplica

el PCA (definido en detalle en el siguiente apartado), optimizando y transformando los

descriptores que definen cada uno de los datos de una clase a nuevos espacios de 𝑁

dimensiones, capaces de crear grupos de datos con comportamientos parecidos, donde

previamente no existían.

28

3.1.1. El Análisis de Componentes Principales (PCA)

El PCA es un método que va a permitir transformar los descriptores que definen cada

pieza musical de la base de datos de tamaño 𝑛 ∗ 𝑚, en un nuevo conjunto de valores que

son una combinación lineal de las originales, pero de dimensión 𝑛 ∗ 𝑙, dónde 𝑙 < 𝑚

,consiguiendo reducir la dimensionalidad y minimizando la pérdida de información útil.

Cada una de estas nuevas variables se conocen como Componentes Principales (PC), de

modo que se transforma el conjunto de descriptores recogidos por el Vector de

Características, por ejemplo 𝑉𝐶 = [𝑀𝐹𝐶𝐶1, 𝑆𝑝𝑒𝑐𝑡𝑟𝑎𝑙 𝑆𝑝𝑟𝑒𝑎𝑑, … ], en un grupo de

Componentes Principales, 𝑉𝐶 = [𝑃𝐶1, 𝑃𝐶2, . . . ], cada uno conformado por una

combinación lineal de todos los originales y con unos pesos que dependen de la

maximización de la varianza para cada PC. De este modo, se realiza una transformación

de los datos a un nuevo sistema de coordenadas de tal forma que el primer Componente

Principal (PC1), es aquella proyección de datos en la cual la varianza es la mayor posible.

El PC2, conformará la segunda mayor varianza entre componentes y siguiendo este

modelo hasta conseguir cubrir, típicamente, un 95% de la varianza.

La varianza es una medida de cómo se extienden los datos respecto a la media y, como

se trabaja con descriptores que se definen en distintas escalas, es de vital importancia

estandarizarlos para seguir con el proceso correctamente. Estandarizar es muy importante

al aplicar un método basado en la maximización de la varianza. A modo de ejemplo, si se

dispone de la base de datos provista en la figura 3.1, dónde se representa la varianza entre

cuatro componentes se observa que, si no se aplica ninguna estandarización de los datos,

esta puede afectar considerablemente a futuros procesos de clasificación debido a que el

peso de algún componente altera la explicación global de los datos. En definitiva, a través

de la estandarización se consigue que todos los datos contribuyan a la varianza de forma

real, ya que estos se comparan en la misma escala unitaria (media 0 y varianza 1).

Matemáticamente:

X′ = x − xmin

xmax − xmin

Figura 3.1: Representación de la varianza de los datos para las distintas clases antes y después del proceso

de estandarización.

29

Una vez estandarizados los datos, para calcular la varianza se calcula la desviación

estándar (la raíz cuadrada de la distancia media de cada uno de los datos, respecto a la

media). Matemáticamente:

𝜎 = √1

𝑛 − 1 ∑(𝑥𝑖 − �̅�)2

𝑛

𝑖=1

𝑛 hace referencia a la cantidad de datos.

𝑥𝑖 son cada uno de los datos.

�̅� hace referencia a la media.

Por tanto, se calcula la matriz de covarianza, la cual describe la varianza de los datos y la

covarianza entre las variables. Un valor de covarianza positivo indica que las variables

muestran comportamientos similares y negativo cuando no lo hacen.

El PCA intenta, en este punto, dibujar una línea recta a través de los datos como una

regresión lineal, donde cada recta es un Componente Principal, una relación entre un valor

dependiente y un valor independiente que maximiza la varianza. El número de PC

corresponde al número de dimensiones en los datos y la tarea del PCA es priorizarlos.

Para ello, debe encontrar relaciones de varianza entre datos, ya que si dos de ellos varían

juntos es muy probable que uno actúe sobre el otro, permitiendo crear grupos. A través

de la descomposición de la matriz de covarianza en valores (VAP) y vectores propios

(VEP), es posible establecer la relación de variación entre variables de la base de datos.

Una vez obtenidos los VAPs y VEPs, lo que se quiere obtener son los PC, decidiendo

cuáles pueden ser eliminados porque no contienen información relevante, permitiendo

reducir la dimensionalidad original y optimizando los datos. Aquí es donde entran los

VAPs. Ordenándolos de mayor a menor, los valores más altos indican una mayor

información sobre la distribución de los datos mientras que los más bajos no aportan

prácticamente información. A partir de este punto, se obtienen los correspondientes VEPs

y se conforma una matriz denominada la matriz VEPs, una matriz de proyección que

permite transformar los descriptores de entrada a esta nueva dimensión representada por

componentes principales. Finalmente, mediante un simple producto de matrices punto a

punto, es posible aplicar el método de PCA a los datos originales, de la forma:

𝐷𝑎𝑡𝑎′ = 𝑉𝐸𝑃𝑠 ∗ 𝐷𝑎𝑡𝑎

𝐷𝑎𝑡𝑎′ corresponde a la nueva matriz de componentes principales.

El modelo resultante puede describir, por tanto, una línea (1 PC), un plano (2 PC) o un

hiper-plano (para más de 3 PC).

dónde,

dónde,

30

3.1.2. Estructura del modelo SIMCA

Basándose en la nomenclatura utilizada por [Vanden & Hubert 2005], si se representa 𝑋𝑗

como un conjunto de 𝑚 grupos dónde 𝑗 representa la clase a la que pertenece, tal que 𝑗 = 1. . . 𝑚:

𝑋𝐵𝑙𝑢𝑒𝑠, 𝑋𝐶𝑙𝑎𝑠𝑠𝑖𝑐𝑎𝑙 , 𝑋𝐶𝑜𝑢𝑛𝑡𝑟𝑦 … 𝑋𝑚

entonces, los elementos pertenecientes a 𝑋𝑗 se pueden representar como 𝑥𝑗𝑖, donde 𝑖 =

1, . . 𝑛 , con 𝑛 referenciando al número de elemenos en la clase 𝑋𝑗. Si denominamos 𝑝

como el conjunto de variables de cada elemento de modo que cada uno esté compuesto

por 𝑥𝑗𝑖 = ( 𝑥𝑗

𝑖1, 𝑥𝑗𝑖2 ,…, 𝑥𝑗

𝑖𝑝 ). Este número de variables 𝑝, puede ser muy alto por cada

elemento, e incluso contener información irrelevante por la tipología de descriptor

calculado. Por tanto, SIMCA empieza por aplicar el PCA a cada clase 𝑋𝑗

individualmente, por sus ventajas vistas en el subapartado anterior, con el objetivo de

conseguir obtener para cada clase una matriz 𝑉𝐸𝑃𝑗:

𝑉𝐸𝑃𝐵𝑙𝑢𝑒𝑠, 𝑉𝐸𝑃𝐶𝑙𝑎𝑠𝑠𝑖𝑐𝑎𝑙 , 𝑉𝐸𝑃𝐶𝑜𝑢𝑛𝑡𝑟𝑦, … , 𝑉𝐸𝑃𝑚

En este punto, con los vectores propios que mejor definen a cada una de las clases, es

posible modelar la arquitectura de clasificadores por descarte, de modo que cada

clasificador será especializado en detectar si pertenece o no a su género:

𝑋𝐵𝑙𝑢𝑒𝑠/𝑁𝑜 𝐵𝑙𝑢𝑒𝑠, 𝑋𝐶𝑙𝑎𝑠𝑠𝑖𝑐𝑎𝑙/𝑁𝑜 𝐶𝑙𝑎𝑠𝑠𝑖𝑐𝑎, 𝑋𝐶𝑜𝑢𝑛𝑡𝑟𝑦/𝑁𝑜 𝐶𝑜𝑢𝑛𝑡𝑟𝑦, … , 𝑋𝑚/𝑁𝑜 𝑚

Para ello, a cada clase representada por los descriptores originales, se les aplica las

matrices de 𝑉𝐸𝑃𝑗 ,transformándolos a un nuevo espacio de componentes principales

donde cada elemento se le asigna la etiqueta de pertenencia o no a la clase según el

clasificador que se esté creando. Una vez construidos todos los modelos, si se define 𝑗

como un nuevo dato que se quiere clasificar, este tiene que ser proyectado a cada uno de

los modelos individuales, de modo que se transforma al espacio de características que

mejor define la clase y se calcula la distancia ortogonal del dato original respecto a esta

nueva proyección:

𝑗 ∗ 𝑉𝐸𝑃𝐵𝑙𝑢𝑒𝑠, 𝑗 ∗ 𝑉𝐸𝑃𝐶𝑙𝑎𝑠𝑠𝑖𝑐𝑎𝑙 , 𝑗 ∗ 𝑉𝐸𝑃𝐶𝑜𝑢𝑛𝑡𝑟𝑦, … , 𝑗 ∗ 𝑉𝐸𝑃𝑚

Finalmente, una vez proyectado el nuevo dato en cada uno de los modelos y calculadas

las distancias ortogonales (DO),

𝐷𝑂 = ‖𝑗 − 𝑗′‖ , dónde 𝑗 es el dato original y 𝑗’ la proyección a la clase.

y la pertenencia a la clase que se le asigna es aquella cuya distancia ortogonal es la menor

de todas las proyecciones.

31

La figura que se muestra a continuación representa el diagrama de bloques del modelo de

clasificación aplicando SIMCA, así como el flujo entre procesos.

Figura 3.2: Representación esquemática de la arquitectura de clasificación de géneros musicales basada en

SIMCA (clasificador por descarte) y flujo de trabajo entre procesos para las fases de entrenamiento, testeo

y clasificación de nuevos datos. Basada en [Guaus 2009].

Blues

Clásico

.

.

.

Rock En

tren

amie

nto

y T

este

o

Blues

Clásico

.

.

.

Rock

Blues

Clásico

.

.

.

Rock

Blues

Clásico

.

.

.

Rock

PCA

Blues

Blues

No Blues

.

.

.

No Blues

Extracción de

Características

PCA

Clásico

Extracción de

Características PCA

Rock

Clásico

No Clásico

.

.

.

No Clásico

Rock

No Rock

.

.

.

No Rock

Clasificación

.

.

.

Extracción de

Características

Nuevas

Canciones

Uso

típ

ico

Evaluación

p(Blues)

p(Clas)

p(Rock)

Clasificación

Evaluación

Clasificación

Evaluación

.

.

.

p(Blues)

p(Rock)

p(Clas)

32

3.2. El Clasificador Convencional frente al Clasificador basado en

SIMCA

En el capítulo 2 se ha podido observar la estructura básica de un sistema de clasificación

automático estándar. La principal diferencia destacable es que el clasificador

convencional trata con todas las categorías a la misma vez, construyendo un único

clasificador global, rápido, pero poco especializado. En cambio, al aplicar la estructura

SIMCA, se crean tantos clasificadores como géneros contenga la base de datos, haciendo

que cada clasificador esté especializado en su propio género. Este método es más lento

computacionalmente hablando, pero a priori, sus resultados tienen que ser mejores por

las características del modelo.

La arquitectura SIMCA se basa en la aplicación del PCA, haciendo que cada modelo esté

definido por los PC que mejor describan a la clase y con la mayor varianza posible, los

cuales pueden ser distintos en cantidad y variedad para cada clase, ya que están ajustados

a cada una de ellas. En el clasificador convencional, no se aplica la selección de atributos,

lo cual produce que para todas las clases se utilicen los mismos descriptores sin conseguir

optimizarlos para cada género.

Aplicar el PCA permite que grandes conjuntos de datos cuya visualización o búsqueda

de patrones es prácticamente imposible, puedan ser comprendidas por los humanos a

través de la reducción de la dimensionalidad. En el clasificador convencional, si los datos

no muestran distintos patrones visualmente, va a ser imposible encontrar agrupaciones

sin aplicar ningún método, repercutiendo en el proceso de clasificación.

Los PC que aparecen al aplicar el PCA, son vectores propios junto a valores propios que

describen la dirección en el espacio de características original con la mayor varianza

posible entre los datos. En el clasificador convencional, los datos se distribuyen según lo

hagan los descriptores individuales que describen a cada uno de los archivos de la base

de datos, sin tener en cuenta la varianza entre las distintas clases que coexisten.

En definitiva, se puede observar que existen claras ventajas en la aplicación de la

arquitectura SIMCA, aunque también pequeñas desventajas, gracias al análisis realizado

de los dos métodos en el capítulo 2 y a lo largo del capítulo 3. Llegados a este punto, es

necesario corroborar lo expuesto hasta el momento implementando y testeando la

arquitectura propuesta frente a la convencional.

33

Capítulo 4

4. IMPLEMENTACIÓN: ENTORNO

DE DESARROLLO,

CARACTERÍSTICAS Y DISEÑO

En el capítulo anterior se ha detallado la arquitectura propuesta basada en el modelo

SIMCA, así como las partes primordiales que la componen para comprender su

funcionamiento. Además, se han analizado las diferencias entre arquitecturas para

justificar su propuesta.

En este capítulo se presenta, en primer lugar, el entorno de programación y todas las

herramientas de soporte necesarias mediante las cuales se ha desarrollado tanto la nueva

arquitectura propuesta como el modelo convencional, con el objetivo de testear y

comparar todo lo expuesto teóricamente. Seguidamente se muestran las características

concretas de los elementos implicados en la implementación y testeo tanto de la

arquitectura propuesta como la convencional. Además, se define la estructura lógica de

archivos en carpetas y el flujo de trabajo entre procesos, mencionando la función de cada

archivo de programación creado a lo largo de todo el proceso.

4.1. El entorno de programación

Para el desarrollo de ambas arquitecturas, se ha hecho uso de un ordenador portátil con

sistema operativo Windows 10 Professional y desarrollando un conjunto de archivos en

lenguaje de programación Python (versión 2.7.13) integrado con distintos programas,

librerías y plugins, expuestos a continuación.

• Audacity, para la preparación de la base de datos en el formato de compresión

adecuado.

• Sonic Annotator, junto con distintos VAMP Plugins para procesado de audio y

extracción de características.

• Weka Wrapper, la versión para Python del software de minería de datos para la

aplicación de distintas fases del proceso de clasificación.

• Weka GUI, para partes del testeo del clasificador.

Seguidamente, se detalla brevemente cada uno de los programas y plugins mencionados,

así como su uso en este proyecto.

34

• Audacity. Es un editor y grabador de audio digital de código abierto. Fue creado

en [Mazzoni, Dannenberg 2000] en la Universidad de Carnegie Mellon

(Pensilvania). La evolución de este programa ha permitido usarlo como grabador

de audio en vivo, editar en formatos .WAV, .AIFF, .FLAC, .MP2, .MP3, .AU y

otros formatos utilizando librerías externas, mezclar y recortar audio, así como

aplicar numerosos efectos. En el proyecto, se ha utilizado esencialmente para

convertir el formato de la base de datos de .AU a .WAV, con el objetivo de

adecuarla a posteriores procesados.

Figura 4.1: Logotipo de Audacity. Extraída de [Mazzoni, Dannenberg 2000].

• Sonic Annotator. Herramienta diseñada para extracción de características y

anotación de ficheros de audio a través de los VAMP Plugins. Se desarrolló en el

Centro para la Música Digital de la Universidad Queen Mary de Londres por

[Cannam, Levy, Sutton 2009] como parte del proyecto OMRAS2, un proyecto

que pretende integrar sistemas de MIR para crear programas intuitivos y gráficos

para musicólogos, productores, entre otros perfiles no programadores. Permite

cargar audio localmente desde un ordenador o incluso través de una URL de

internet, decidir qué características se requieren extraer y guardarlas en formato

RFD (Resource Description Framework) para web o CSV (Comma Separated

Values) para guardar archivos locales dónde las columnas se separan por comas

y las filas por salto de línea. En este proyecto se ha integrado en su totalidad con

el lenguaje de programación Python con el objetivo de extraer distintas

características de audio.

Figura 4.2: Logotipo de Sonic Annotator. Extraída de [Cannam, Levy, Sutton 2009].

• VAMP. Es un sistema de procesado de audio para plugins que permiten extraer

información inherente en archivos musicales con múltiples interpretaciones y

futuros procesados de audio. Ha sido desarrollado junto a Sonic Annotator por la

Universidad de Queen Mary de Londres, asociado con SIMAC, OMRAS2

EASAIER [Equipo SIMAC, ESASIER, OMRAS2 2009]. Esta herramienta

permite que, desarrolladores e investigadores en el campo del procesado de

señales de audio digitales, puedan aportar nuevos VAMP plugins. Para este

proyecto, se han utilizado VAMP plugins desarrollados por la Universidad de

Queen Mary y por la Universidad Pompeu Fabra.

• Weka (Waikato Environment for Knowledge Analysis). Es un programa de

código abierto de minería de datos y aprendizaje automático desarrollado por el

[Equipo de Machine Learning 1993] de la Universidad de Waikato, Nueva

Zelanda. Permite la lectura de bases de datos con distinta tipología de formato y

contiene herramientas de pre-procesado, clasificación, regresión, agrupación,

reglas de asociación y visualización. Todas estas herramientas se pueden utilizar

a través de una intuitiva interfaz gráfica. En este proyecto se utiliza la interfaz

35

para el testeo de las técnicas de clasificación, así como la visualización de algunos

resultados.

Figura 4.3: Logotipo de Weka. Extraída de [Equipo de Machine Learning 1993].

El formato Attribute Relation File Format (ARFF):

Un archivo ARFF (Attribute-Relation File Format) es un tipo de formato de texto

ASCII que describe un conjunto de instancias que comparten una serie de

atributos. Este formato ha sido desarrollado por el departamento de Machine

Learning de la Universidad de Waikato y es con la tipología que trabaja Weka.

Básicamente, un archivo. ARFF contiene dos partes: Cabecera y Datos.

La cabecera corresponde a la primera línea y contiene la declaración de la relación,

(indicando el nombre del archivo) y los atributos (indicando el nombre y tipo de

dato). Los datos agrupan cada una de las instancias representadas en una sola

línea, definiendo cada atributo separado por comas (formato CSV).

Figura 4.4: Ejemplo de formato ARFF para la base de datos Iris Setosa.

El formato Comma Separated Values (CSV):

Weka también es capaz de leer archivos totalmente en .CSV. Como se puede

observar en la figura 4.5, la primera hilera corresponde a los atributos y las

subsiguientes a los datos.

Figura 4.5: Ejemplo de formato .CSV para la base de datos Iris Setosa.

36

Por su facilidad de escritura frente al formato “.arff ”, los archivos con los que se

trabaja en este proyecto son de extensión “.csv”.

• Weka Wrapper. Consiste en un paquete para Python que permite controlar el

software Weka. En este proyecto se ha utilizado este paquete para la clasificación

y el testeo y por su facilidad de integración junto a Sonic Annotator y los VAMP

Plugins con el objetivo de unificar todo el proceso del clasificador mediante

Python.

4.2. Implementación: Características y herramientas utilizadas

Para la implementación tanto de la Arquitectura SIMCA como la Convencional, se ha

hecho uso de la misma colección de archivos musicales y herramientas, cada una de ellas

adecuada al tipo de clasificador con el objetivo de poder compararlas.

4.2.1. La Colección de Géneros Musicales

El conjunto de datos utilizado es la creado por George Tzanetakis9, compuesto por un

conjunto de 10 géneros musicales con 100 muestras de canciones pertenecientes a su

género, con una duración 30 segundos cada una [Tzanetakis & Cook 2002]. Las piezas

han sido recogidas de una variedad de fuentes que incluyen CDs personales, radio,

grabaciones con micrófono, entre otros para conseguir una variedad de entornos de

grabación. La colección está organizada por carpetas, cada una de ellas conteniendo un

género musical, dónde las canciones están etiquetadas por género, pero no se conocen

datos del artista. Su elección se ha basado en la homogeneidad, robustez, popularidad y

resultados de la colección para clasificación de géneros musicales. La tabla siguiente

muestra un resumen de las características.

Género Número de

Canciones

Duración

/Canción

(s)

Tasa de

muestreo

(Hz)

Resolución

(bits)

Formato de

compresión Etiquetado

Blues 100

30

22050

16 WAV

“genre”000.wav

.

.

.

“genre”999.wav

Clásico 100

Country 100

Disco 100

HipHop 100

Jazz 100

Metal 100

Pop 100

Reggae 100

Rock 100

TOTAL 1000 500

minutos

Tabla 4.1: Descripción detallada de las características de la base de datos GTZAN (George Tzanetakis)

utilizada en este proyecto. Edición propia.

9http://webhome.csc.uvic.ca/~gtzan/output/

37

4.2.2. Extracción de características

Para la extracción de descriptores se ha utilizado un conjunto de VAMP Plugins. En

concreto, 32 descriptores, desarrollados por la Universidad Pompeu Fabra de Barcelona

y la Universidad Queen Marys de Londres. A continuación, se detallan.

• MIR.EDU:

Plugin desarrollado por Justin Salomon durante la realización del curso de Máster

en el Music Technology Group (MTG) de la Universidad Pompeu Fabra de

Barcelona, España. MIR.EDU es un plug-in desarrollado en C++ que implementa

un conjunto de descriptores básicos, de los cuales se han utilizado los siguientes:

- Attack Start End Times.

- Log Attack Time.

- RMS.

- Spectral Centroid.

- Spectral Crest.

- Spectral Flatness.

- Spectral Flux.

- Spectral Kurtosis.

- Spectral Roll Off.

- Spectral Skewness.

- Spectral Spread.

- Temporal Centroid.

- Zero Crossing Rate.

• QM Plugin Set:

Desarrollado en el Centro de Música Digital de la universidad Queen Mary de

Londres. Contiene un total de 13 plugins de los cuales se ha utilizado únicamente

el siguiente:

- Mel Frequency Cepstral Coefficients: utilizando los 20 primeros

coeficientes.

4.2.3. Aplicación estadística

El cálculo de descriptores produce distintas cantidades de valores que dependen de la

tipología de descriptor, haciendo que la base de datos quede desbalanceada. A modo de

ejemplo, se presentan dos tipos distintos de descriptores cuyos cálculos producen

cantidades de datos muy dispares:

• Descriptor Temporal Centroid: Produce un único valor de salida que representa el

centro de masas de la distribución.

• Descritpor Spectral Spread: Produce una gran cantidad de valores producidos por

el valor de y la frecuencia de muestreo. En este caso, debido a una ventana de

salto de 512 muestras y una frecuencia de muestreo de 22050 Hz (véase Anexo B,

figuras B.1 a B.15).

38

512 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠

22050 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠/𝑠𝑒𝑔𝑢𝑛𝑑𝑜= 0.0232 𝑠𝑒𝑔𝑢𝑛𝑑𝑜𝑠

Por tanto, cada 0.023 segundos se calcula un valor de Spectral Spread, resultando

en una pieza de 30 segundos, 1293 valores.

Para solucionar este problema, se recurre a medidas estadísticas que optimizan y definen

a los descriptores en su conjunto. En concreto se ha hecho uso de la Media, obteniendo

de este modo un promedio estándar para los descriptores requeridos y una base de datos

balanceada para continuar en el proceso.

4.2.4. Entrenamiento y Testeo

La fase de entrenamiento y testeo se realiza mediante la técnica K-fold Cross-Validation,

con el objetivo de obtener parte de los datos de entrenamiento y parte de test,

transformada según la arquitectura de clasificador propuesta.

De este modo, en el momento de clasificación del modelo utilizando Weka, los datos de

entrenamiento se añaden como parte del pre-procesado y los datos de test se añaden a

través de la opción Supplied Test Set. Aunque esta última opción está pensada para añadir

una determinada base de datos externa al proceso de entrenamiento del modelo y ver su

comportamiento, en este caso los datos que se van a introducir como parte de test sí que

pertenecen a la base de datos con la que se entrena el modelo. El uso de la opción Supplied

Test Set es debido a que la aplicación del K-fold Cross-Validation se realiza manualmente

por la complejidad que requiere la arquitectura que se propone. Es, por tanto, la forma

mediante la cual es posible aplicar el modelo SIMCA y K-fold Cross-Validation.

Además, este método no es infalible frente a bases de datos externas, lo cual se verá

reflejado en una gran disminución de las instancias correctamente clasificadas en la

presentación de resultados y, gracias a SIMCA, la intuición es que la arquitectura aporte

mayor robustez

4.2.5. Clasificación

Para el proceso de clasificación se ha hecho uso de tres de las técnicas más comúnmente

utilizadas y conocidas, con el objetivo de observar la bondad de la arquitectura de descarte

para distintas tipologías de clasificador.

La primera de ellas es la función Sequential Minimal Optimization (SMO), un algoritmo

de Weka que optimiza Support Vector Machines (SVM). El entrenamiento de estos

vectores consume una gran cantidad de recursos cuanto a programación, por lo que SMO

permite trabajar con grandes bases de datos y minimizar los recursos necesarios. Los

parámetros el clasificador SMO se han establecido por defecto y no se ha inferido en su

modificación ya que va más allá de los objetivos de este proyecto. El segundo método de

clasificación corresponde a un modelo de árbol de decisión. En concreto, J48. El tercero

y último modelo corresponde a IBK, la implementación de K-vecinos más cercanos de

Weka.

39

4.3. La implementación de la arquitectura SIMCA

4.3.1. Diseño y organización

Debido a que el proceso de implementación de este método requiere lidiar con una

cantidad de datos considerable a medida que se avanza en el proceso, es imprescindible

diseñar una estructura de carpetas, subcarpetas y nomenclatura que permita organizar el

contenido que se vaya generando. Básicamente, la estructura del diseño está basada en

tres grandes bloques (cuyo flujo de trabajo se muestra en la figura 4.6):

1. La Colección de Géneros Musicales: contiene todos los archivos en formato “.wav”,

organizados en subcarpetas por género.

2. Código: recoge todos los archivos en formato “.py” necesarios para el proceso.

3. Resultados: organiza en subcarpetas los distintos resultados en formato “.csv”

obtenidos en cada fase del proceso.

Figura 4.6: Esquema organizativo para la implementación del modelo y flujo de trabajo entre carpetas.

Edición propia.

4.3.2. Implementación del clasificador por descarte

El proceso de implementación del Clasificador por Descarte se ha dividido en dos grandes

fases. La primera de ellas corresponde a la extracción de los componentes principales y a

la creación de los modelos de clasificadores especializados por género. La segunda fase,

hace referencia al proceso de entrenamiento y testeo del modelo. A continuación, se

detallan.

Fase 1: Extracción de características y creación de los PCA especializados

Para efectuar esta primera fase han sido necesarios un conjunto de cuatro archivos que,

aplicados en cascada, permiten transformar una colección de archivos musicales

agrupados por género, en una serie de archivos que recogen la mejor información

descriptiva de cada uno y especializados únicamente en su propio género.

1. La Colección de

Géneros Musicales

Género N

género0000.wav

ScriptN.py

2. Código 3. Resultados

Resultado N

resultadoN.csv

40

El siguiente diagrama de bloques recoge de forma esquemática cada uno de los archivos

por orden de aplicación y, seguidamente, se detalla el funcionamiento y utilidad de cada

uno de los ficheros.

Figura 4.7: Diagrama de bloques de archivos para el desarrollo de la primera fase del proceso SIMCA.

Edición propia.

- doDescriptors.py

Mediante la introducción de los 100 archivos “.wav” de cada género musical, realiza el

cálculo de los descriptores para cada pieza. Como resultado, se crea una nueva carpeta

por género, conteniendo cada uno de los descriptores pertenecientes al género.

Figura 4.8: Extracto de contenido de los archivos generados por doDescriptors.py. En 1 se muestra el

fichero de audio original del cual se calculan los descriptores y en 2, se observan los archivos “.csv” creados

de la extracción de características. En 3 se puede observar, a modo de ejemplo, la diferencia entre valores

extraídos según la tipología de descriptor. Edición propia.

doSingleClassifiers.py

doPCA.py

doStatistics.py

doDescriptors.py

FASE 1

1 2 3

41

- doStatistics.py

Selecciona cada uno de los archivos “.csv” creados por doDescriptors.py, realiza los

pertinentes cálculos estadísticos y ordena los descriptores. El resultado final es un archivo

“.csv” donde la primera fila hace referencia a los atributos (descriptores) y la pertenencia

a la clase. El resto de las hileras hacen referencia a cada una de las canciones del género.

En total, se crean 10 archivos (uno por cada género) que contienen el cálculo estadístico

de los descriptores y la pertenencia a la clase.

Figura 4.9: Extracto de contenido de los archivos generados por doStatistics.py. En 1 se observar los 10

archivos generados y en 2 un extracto de los atributos y datos que contienen. Edición propia.

- doPCA.py

Este fichero se encarga de leer cada uno de los archivos estadísticos de cada género y

aplicar el PCA con los valores por defecto, creando un archivo “.csv” por género con toda

la información de salida que provee el método PCA de la herramienta Weka. Una vez

creado, el propio fichero lee todos los datos del PCA y selecciona los Vectores Propios

(VEPs).

El resultado es un fichero “.csv” por cada género que contiene la matriz de cambio, dónde

las filas corresponden a cada descriptor y las columnas corresponden a un Vector Propio.

Estos vectores están ordenados de mayor a menor peso dentro de la representación al

género, (ver Anexo C, figura C.1). En total se crean 10 archivos, uno por género,

conteniendo los Vectores Propios resultantes de aplicar el PCA.

1 2

1 2 3

Figura 4.10: Extracto del contenido generado por el archivo doPCA.py De izquierda a derecha. En 1 se observan

los 10 archivos PCA, en 2 los Vectores Propios y en 3 un extracto de los Vectores Propios del género Blues con el

tipo de formato e información que contienen. Edición propia.

42

- doSingleClassifiers.py

Conforma el último archivo de esta primera fase. Se encarga de crear la estructura Género

/ No Género para cada uno de los géneros musicales de la base de datos. Su función se

basa en la lectura tanto de los archivos estadísticos que contienen los descriptores de cada

género creados por doStatistics.py, como las matrices de Vectores Propios de los mismos,

creadas por doPCA.py. Seguidamente aplica el producto punto a punto entre ellos de tal

forma que se consigue la reducción de la dimensionalidad (ver Anexo F, tabla F.1) y

aplica el etiquetado correspondiente. Todos aquellos archivos que correspondan al género

en cuestión se etiquetaran con la clase “género” y todos aquellos que no lo sean, como

“no género”.

El resultado son 10 archivos, conteniendo en cada uno de ellos toda la base de datos

aplicando la reducción de la dimensionalidad según el género que corresponda. Las 100

primeras hileras corresponden al “género” y las 900 restantes al “no género”.

Figura 4.11: Extracto de contenido de los archivos generados por el archivo doSingleClassifiers.py En 1 se

observan los 10 archivos generados que corresponden al modelo Género / No género. En 2 y 3 se observa

un extracto de la información que contienen y su etiquetado perteneciente al género blues o el no blues

según corresponda. Edición propia.

Fase 2: Entrenamiento y testeo del modelo

Una vez calculados los Vectores Propios que representan a cada uno de los géneros

musicales, el siguiente paso es entrenar y testear el clasificador con esta nueva

arquitectura. Esta segunda fase empieza por la aplicación del método de validación

cruzada. Para ello, es necesario unificar el cálculo de descriptores para todos los géneros

con el objetivo de dividir los datos en entrenamiento y test para cada uno de los géneros

musicales. Posteriormente, se aplican los Vectores Propios (obtenidos en la fase 1) de

cada género a cada uno de los folds, tanto de entrenamiento como de test, transformando

de este modo los datos de entrada a esta nueva arquitectura. En este punto, los datos están

preparados para ser expuestos a entrenamiento y testeo mediante el método de

clasificación pertinente.

Para esta segunda fase se han utilizado cinco archivos aplicados en cascada. El siguiente

diagrama de bloques muestra el orden de aplicación de cada uno de ellos y, seguidamente,

se detalla el funcionamiento y utilidad de cada uno de los ficheros, por orden de

aplicación:

1 2 3

…

43

Figura 4.12: Diagrama de bloques de archivos para el desarrollo de segunda fase de la arquitectura SIMCA.

Edición propia.

- doJoin.py

A través de este fichero, se unifican los descriptores de cada una de las canciones que

pertenecen a los distintos géneros musicales, calculados en la fase 1 por doStatistics.py.

El resultado final es un único fichero que contiene la extracción de características para

cada una de las canciones de forma unificada y ordenada.

- doShuffle.py

Este fichero se encarga de leer y mezclar de forma aleatoria todos los datos obtenidos de

aplicar doJoin.py. El objetivo es desordenar la base de datos de tal modo que en la

posterior división en fase de entrenamiento y de test, estos archivos contengan

información de distintos géneros musicales en cada paso. El resultado es un único fichero

con los mismos datos de entrada mezclados aleatoriamente.

Figura 4.13: Extracto de contenido de los archivos generados por doShuffle.py De izquierda a derecha.

Extracto de los 10 primeros valores de los datos ordenados frente a los 10 primeros valores una vez aplicado

doShuffle.py. Edición propia.

doTrainTestPCA.py

doKfold.py

doShuffle.py

doJoin.py

FASE 2

doClassification.py

44

- doKfold.py

Se encarga de aplicar el método de validación cruzada al archivo creado por el fichero

doShuffle.py. En concreto se utiliza K = 10 de modo que, en diez pasos, el método asegura

que se recorren todos los datos tanto para entrenamiento como para test, utilizando en

cada paso un 90% de la base de datos para entrenamiento y el 10% restante para test.

En definitiva, este fichero construye un archivo de test y uno de entrenamiento

iterativamente para cada paso, resultando en un total de 20 archivos.

Figura 4.14: Ficheros creados por el archivo doKfold.py Edición propia.

- doTrainTestPCA.py

Una vez separados todos los datos en entrenamiento y test para K = 10,

doTrainTestPCA.py se encarga de leer cada uno de ellos y aplicar los vectores de

características resultantes de aplicar el método PCA a cada uno de los géneros en la fase

1. De este modo, se consigue transformar cada uno de los datos de entrenamiento y test a

al nuevo espacio de descriptores definidos por componentes principales, que son

combinación lineal de los descriptores que mejor definen a cada género. Además, se

añade la etiqueta “género” y “no género” según corresponda. En total se crean 200

ficheros, resultantes de aplicar el PCA de cada género a las fases de entrenamiento y test.

Figura 4.15: Extracto de los ficheros creados por doTrainTestPCA.py para fold 0. En la izquierda se

muestran los archivos de test y en la de la derecha los de entrenamiento. Edición propia.

45

- doClassification.py

Llegados a este punto, la arquitectura de clasificador basada en SIMCA está preparada

para ser expuesta a entrenamiento y testeo mediante la aplicación del método de

clasificación que corresponda (SMO, J48 o IBK). Este archivo, se encarga de leer cada

uno de los pares de ficheros de entrenamiento y testeo, para cada uno de los folds, y

guardarlos como datos de entrenamiento y datos de testeo. Seguidamente aplica el modelo

de clasificación requerido, cargando los datos guardados previamente.

Como resultado se obtiene, para cada uno de los folds, información referente al proceso

de clasificación como la tipología de clasificación utilizada, los pesos aplicados a cada

atributo, distintas medidas de evaluación de la bondad de la clasificación, la matriz de

confusión, entre otros valores. En la figura siguiente (4.16) se puede observar, a modo de

ejemplo, la información del resultado obtenido del proceso de clasificación utilizando

SMO.

Figura 4.16: Información del resultado de la aplicación del clasificador SMO para el fold 6 para las clases

clásico y no clásico, utilizando línea de comandos. Edición propia.

46

4.3.3. Implementación del clasificador convencional

Para construir la arquitectura de clasificador convencional es necesario unificar toda la

base de datos en un solo archivo, obtener los descriptores correspondientes y

seguidamente aplicar el método de clasificación que se requiera utilizando como opción

de test, el método K-fold cross validation. Para ello, se han aprovechado algunos de los

archivos utilizados en la arquitectura SIMCA, con pequeñas modificaciones en los

archivos para adaptarse al modelo convencional.

Figura 4.17: Diagrama de bloques para el proceso de clasificación convencional. Edición propia.

Para el proceso de clasificación se ha hecho uso de la interfaz gráfica de Weka, por la

simplicidad de los pasos de la arquitectura y visualización. Las figuras 4.18 y 4.19

expuestas a continuación muestran, a modo de ejemplo, la interfaz gráfica en la parte de

pre-procesado y clasificación que se va a utilizar para evaluar la arquitectura

convencional.

doStatistics.py

doDescriptos.py

doJoin.py

47

Figura 4.18: Interfaz de pre-procesado de Weka GUI. Se muestra la introducción de todos los géneros

unificados en un único archivo como parte de pre-procesado. Extraída de Weka GUI, aplicando el archivo

classifier_allgenres.csv.

48

Figura 4.19: Interfaz de clasificación de Weka GUI. Se muestra la clasificación de todos los géneros

unificados en un único archivo, utilizando Cross-Validation, con K=10 y clasificador SMO con los valores

por defecto. Extraída de Weka GUI, aplicando el archivo classifier_allgenres.csv.

49

Capítulo 5

5. RESULTADOS: PRESENTACIÓN

Y COMPARATIVA

En este capítulo se detallan los resultados obtenidos de la implementación descrita a lo

largo del capítulo anterior. En primer lugar, se muestra el comportamiento de la

clasificación utilizando la arquitectura convencional con tres tipos de clasificadores

distintos. A partir de este resultado, se entra en detalle en aspectos más acotados respecto

a la exactitud del método. Seguidamente, se detallan los mismos puntos para el modelo

de arquitectura SIMCA con la finalidad de comparar su comportamiento. Por último, se

analiza la bondad del clasificador frente a bases de datos externas al proceso de

entrenamiento del modelo.

5.1. Resultados obtenidos para la clasificación utilizando el modelo

convencional mediante 10-fold Cross Validation

En este punto se analizan los resultados para el proceso de clasificación multiclase. Para

poder comparar de forma más precisa los resultados de cada uno de los modelos de

clasificación, se calcula el Base Line mediante ZeroR, para determinar el rendimiento de

referencia base con el cual se van a comparar los modelos propuestos. La siguiente figura

muestra la matriz de confusión obtenida.

Figura 5.1: Matriz de Confusión resultante de aplicar el clasificador ZeroR para obtener el Base Line.

Como se puede observar, todos los elementos de la clase se han clasificado como Blues.

Esto es debido a que partimos de una colección de datos balanceada en la cual no existe

una clase mayoritaria y, por tanto, el modelo selecciona la primera que se presente. A

través de la matriz de confusión se obtiene, por tanto, que el número de instancias

correctamente clasificadas es de un 10%, resultado que tiene que ser superado en la

presentación de resultados para conseguir un proceso de clasificación óptimo.

A continuación, se muestran los resultados obtenidos para el modelo de clasificación

convencional utilizando los métodos de clasificación SMO, IBk y J48 respectivamente.

Mediante un seguido de tablas que resumen el proceso de clasificación, se analizan

50

aspectos relevantes como las instancias correctamente clasificadas, valores estadísticos

del género mejor clasificado (destacado en color verde) y el peor clasificado (destacado

en color rojo) para observar la eficiencia de cada modelo y arquitectura aplicada.

1. Clasificación mediante Maquinas de Vectores de Soporte (SMO)

Tabla 5.1: Resumen del proceso de clasificación para el modelo convencional con SMO. Edición propia.

Para el clasificador SMO se puede observar que la bondad obtenida es de un 66.2 %, un

porcentaje aceptable teniendo en cuenta que no se ha realizado un estudio exhaustivo de

los descriptores utilizados. Además, el género Clásico es el mejor clasificado, obteniendo

altos valores de Precisión, Recall y Medida-F (0.848, 0.890 y 0.868 respectivamente).

Por el contrario, el género Rock es el peor clasificado con tasas de Precisión, Recall y

Medida-F de 0.523, 0.450 y 0.484.

2. Clasificación mediante árbol de decisión (J48)

Tabla 5.2: Resumen del proceso de clasificación para el modelo convencional con J48. Edición propia

Observando los resultados para J48, se puede observar que la tasa de instancias

correctamente clasificadas es del 48.2 %, un 18% menor que utilizando SMO. Analizando

los valores estadísticos detallados se observa que, del mismo modo que aplicando SMO,

el género Clásico es el mejor clasificado con valores de Precisión, Recall y Medida-F de

0.809, 0.72 y 0.762 respectivamente. Además, el género Rock es el peor clasificado con

tasas de Precisión, Recall y Medida-F de 0.30, 0.318 y 0.244, resultados ligeramente

inferiores a SMO.

Resumen del proceso de clasificación

Clasificador: SMO

Clase Promedio

Blues Classical Country Disco HipHop Jazz Metal Pop Reggae Rock

Instancias

correctamente

clasificadas

74 89 56 57 62 63 85 82 49 45 66,2 %

Precisión 0,612 0,848 0,533 0,452 0,721 0,759 0,817 0,774 0,628 0,523 0,66

Recall 0,74 0,89 0,56 0,57 0,62 0,63 0,85 0,82 0,49 0,45 0,662

Medida F 0,67 0,868 0,546 0,504 0,667 0,689 0,833 0,796 0,511 0,484 0,661


Clasificador: J48

Clase Promedio


Instancias

correctamente

clasificadas

53 72 47 37 43 48 64 54 33 31 48,2 %

Precisión 0,552 0.809 0,385 0,402 0,422 0,457 0,604 0535 0,259 0,30 0,485

Recall 0,53 0,72 0,47 0,37 0,43 0,48 0,64 0,54 0,33 0,318 0,482

Medida F 0,541 0,762 0,423 0,385 0,426 0,468 0,621 0,537 0,344 0,244 0,483

51

3. Clasificación mediante K-vecinos más cercanos (IBk)

Tabla 5.3: Resumen del proceso de clasificación para el modelo convencional con IBk. Edición propia.

En la tabla 5.3 se muestra el resultado del proceso utilizando el clasificador IBk con el

valor de K por defecto, K=1. Se puede observar que la tasa de instancias correctamente

clasificadas es del 59.7 %, un 6.5% menor que utilizando SMO y un 11.5 % mayor que

J48 y, del mismo modo que ocurre en los anteriores clasificadores, el género Clásico es

el mejor clasificado y, por el contrario, el género Rock es el que comporta mayor

confusión.

A modo de resumen, cabe destacar que los modelos de clasificación han producido unos

resultados significativos respecto al Base Line. Pese a no obtener unos resultados de

acierto excesivamente altos, en los tres casos han superado con creces el 10% de

instancias correctamente clasificadas (aproximadamente un 50%), obteniendo

porcentajes lógicos en cada uno de los modelos de acuerdo con el fundamento teórico de

cada uno de ellos.


Clasificador: IBk

Clase Promedio


Instancias

correctamente

clasificadas

76 81 56 42 53 55 75 68 55 36 59,7 %

Precisión 0,752 0,88 0,467 0,412 0,624 0,688 0,798 0,624 0,509 0,33 0,608

Recall 0,76 0,81 0,56 0,42 0,53 0,55 0,75 0,68 0,55 0,36 0,597

Medida F 0,756 0,844 0,509 0,416 0,573 0,611 0,773 0,651 0,529 0,344 0,601

52

5.2. Resultados obtenidos para la clasificación utilizando SIMCA

mediante 10-fold Cross Validation

En este punto se analizan los resultados para la tipología de clasificación uno contra todos

o clasificación binaria de modelos especializados. Para ello, como se ha presentado en la

arquitectura convencional, se resumen los resultados del proceso para los distintos

modelos de clasificación.


Tabla 5.4: Resumen del proceso de clasificación para cada uno de los modelos binarios utilizando la

arquitectura SIMCA y clasificación SMO. Edición propia.

Con los resultados obtenidos, se observa que las instancias correctamente clasificadas son

iguales o superiores al 90 % en todos los casos, superando en este punto a la arquitectura

convencional. De nuevo, el género Clásico es el mayor beneficiado de la aplicación de

SIMCA, obteniendo un promedio del 97%. A diferencia del modelo convencional, el peor

clasificado es únicamente un 7% menor, ascendiendo a un 90% de acierto, lo cual muestra

una mayor robustez.

Si se analiza la bondad global del clasificador, se obtiene un 91.6%. Pese a obtener un

valor tan alto de acierto, Precisión, Recall y Medida F, se han encontrado algunas

irregularidades al analizar el proceso de forma más detallada, cuyos resultados se

describen en el apartado 5.2.1. Análisis detallado de la precisión, recall y medida F,

subapartado 1.



Clasificador: J48

Modelos Promedio Blues/

No

Blues

Classical/

No

Classical

Country/

No

Country

Disco/

No Disco

HipHop/

No

HipHop

Jazz/

No Jazz

Metal/

No

Metal

Pop/

No

Pop

Reggae/

No

Reggae

Rock/

No

Rock

Instancias

correctamente

clasificadas

88,5 92,7 87,3 88,2 89,5 89 92,2 92,5 88,5 88,3 89,75 %

Precisión 0,671 0,831 0,630 0,682 0,690 0,685 0,813 0,807 0,663 0,562

Recall 0,621 0,816 0,596 0,656 0,670 0,640 0,780 0,744 0,588 0,539

Medida F 0,633 0,816 0,606 0,657 0,676 0,647 0,786 0,764 0,599 0,522


arquitectura SIMCA y clasificación J48. Edición propia.


Clasificador: SMO


No Blues

Classical/

No Classical

Country/

No Country

Disco/

No Disco

HipHop/

No HipHop

Jazz/

No Jazz

Metal/

No Metal

Pop/

No Pop

Reggae/

No Reggae

Rock/No

Rock

Instancias

correctamente

clasificadas

90 97 90 90 90 90 93,9 95,1 90 90 91,6 %

Precisión 0,45 0,946 0,45 0,455 0,45 0,45 0,903 0,925 0,450 0,45

Recall 0,5 0,873 0,5 0,5 0,5 0,5 0,735 0,798 0,5 0,5

Medida F 0,473 0,902 0,472 0,473 0,473 0,473 0,787 0,837 0,473 0,473

53

Utilizando el método de clasificación de árbol de decisión J48, se observa que la tasa de

instancias correctamente clasificadas es del 89.75%, ligeramente menor que el resultado

con SMO. El género Clásico es el que mejor funciona y el género Country el que obtiene

el menor porcentaje de instancias correctamente clasificadas, pero con resultados de

Precisión, Recall y Medida F que doblan al peor clasificado en el modelo Convencional

(0.630, 0.596, 0.606 frente a 0.30, 0.318, 0.244).



Clasificador: IBk


No

Blues

Classical/

No

Classical

Country/

No

Country

Disco/

No

Disco

HipHop/

No

HipHop

Jazz/

No

Jazz

Metal/

No

Metal

Pop/

No Pop Reggae/

No

Reggae

Rock/

No

Rock

Instancias

correctamente

clasificadas

93,8 95,5 88,8 89,4 90 90,7 93,4 92,6 88,9 87,4 91.05 %

Precisión 0,855 0,918 0,678 0,699 0,724 0,745 0,813 0,796 0,667 0,654

Recall 0,798 0,824 0,658 0,670 0,703 0,677 0,820 0,802 0,654 0,643

Medida F 0,815 0,855 0,661 0,678 0,695 0,701 0,810 0,786 0,657 0,627


arquitectura SIMCA y clasificación IBk (K=1). Edición propia.

Para el clasificador IBk, basado en el modelo K-vecinos más cercanos con K=1, el

resultado promedio de bondad del clasificador es del 91.05%, situándose en el segundo

puesto entre SMO y J48, pero muy cercano a SMO. De nuevo, el modelo Clásico es el

mejor clasificado con un 95,5% y el modelo Rock el peor, con un 87,4%.

Cabe destacar que todos los modelos de clasificación han producido unos resultados muy

significativos respecto al Base Line. Los resultados de acierto para los tres modelos lo

han superado en un 80 %, un 20% más que aplicando la arquitectura convencional, bajo

las mismas condiciones respecto los descriptores de la colección de datos.

5.2.1. Análisis detallado de la precisión, recall y medida F

1. Análisis detallado de la clasificación mediante Máquinas de Vectores de Soporte

(SMO).

En el Anexo D, tablas D.4, D.5 y D.6, se muestran los valores de Precisión, Recall y

Medida F para cada fold, modelo y clase de cada uno de los géneros. Aquí se puede

observar si el clasificador está efectuando su tarea correctamente. Si se analiza la tabla

D.4, se observa que para todos los folds de los modelos Blues, Country, Disco, HipHop,

Jazz, Reggae y Rock, el valor de precisión de la pertenencia al género es 0, indicando que

de todas las instancias que realmente pertenecen al género ninguna se ha clasificado

correctamente. Por lo contrario, se obtienen muy buenos resultados de clasificación a lo

que no pertenece al género, con tasas superiores al 87%, produciendo que la bondad

global sea aproximadamente de un 45% en todos los casos. Pese a estos resultados, si se

analizan los modelos Clásico, Metal y Pop se observa un comportamiento lógico, con

altos porcentajes de precisión y dónde de nuevo, el género Clásico es el mejor clasificado

con un 94% de precisión de valor medio.

54

A través de la tabla D.5, donde se muestra el valor de Recall, se puede observar des de

otro punto de vista el comportamiento anunciado anteriormente. En concreto, para los

modelos binarios de Blues, Country, Disco, HipHop, Jazz, Reggae y Rock, el clasificador

es capaz de clasificar correctamente al 100% todo aquello que no pertenece al género,

indicado con un valor 1 de recall. Por el contrario, falla al 100% en clasificar la

pertenencia al género, lo que indica un valor 0 de recall. En cambio, para los modelos

Clásico, Metal y Pop se puede observar un comportamiento adecuado con muy buenos

resultados, con clasificaciones perfectas de la pertenencia al No Género para los folds 1,

4, 7, 9 y 10 para el caso del modelo Clásico y valores de pertenencia al género superiores

al 60%. Lo mismo ocurre para Metal y Pop en determinados folds cuanto a la pertenencia

al No Género, pero con valores de pertenencia al Género inferiores al modelo Clásico.

En definitiva, pese a obtener un comportamiento inesperado en algunos modelos, se

puede confirmar que el funcionamiento de la arquitectura es correcto, ya que para tres de

ellos se obtienen buenos resultados. Este comportamiento inesperado, puede producirse

por la tipología de descriptores utilizada en la extracción de características u otros

aspectos del proceso, cuyo estudio sobre la afectación a los distintos géneros musicales

es importante, pero fuera del abaste de este proyecto (líneas futuras de desarrollo).

2. Análisis detallado de la clasificación mediante árbol de decisión J48 y IBk.

Analizando el Anexo D, tablas D.7 a D.13, se puede observar que para las tipologías de

clasificador J48 y IBk, todos los resultados muestran un comportamiento lógico. Por

tanto, se reafirma lo mencionado para el clasificador SMO, cuyo comportamiento para

determinados modelos no es causa de la nueva arquitectura propuesta.

5.3. Comportamiento frente a bases de datos externas al proceso de

entrenamiento

5.3.1. La base de datos externa al proceso de entrenamiento

Hasta este punto, se ha analizado la bondad de las dos arquitecturas utilizando la misma

colección de archivos musicales con la cual se han entrenado y testeado los modelos. Uno

de los aspectos más interesantes es el de analizar que ocurre cuando el modelo se enfrenta

a la clasificación de datos que nunca ha visto, es decir, que no se hayan utilizado para

entrenar al modelo. Para poder testear y comparar este comportamiento frente a las dos

arquitecturas, se ha requerido de una nueva base de datos, cuya función será únicamente

participar en la parte de test del modelo. En concreto, se trata de una base de datos

catalogada como Dortmund (provista por Enric Guaus), cuyas características se definen

en la siguiente tabla.

55

Género Número de

Canciones

Duración

/Canción

(segundos)

Tasa de

muestreo

(Hz)

Resolución

(bits)

Formato de

compresión

Etiquetado

Alternativo 145

10

22050

16 MP3

“artista-

canción”.mp3

Blues 120

Electronica 113

FolkCountry 222

Jazz 319

Pop 116

RapHipHop 300

Rock 504

TOTAL 1839 307

minutos

Tabla 5.7: Descripción detallada de las características de la base de datos original Dortmund. Edición

propia.

Como se puede observar, se trata de una base de datos que contiene géneros comunes al

proceso de creación del modelo y otras tipologías que no han aparecido. Además, existe

un claro desbalanceo de la colección, al contrario de la utilizada para el entrenamiento

del modelo. Por este motivo, se ha decido adaptarla (balanceándola y seleccionando los

géneros comunes) para que se adecue a las características de la base de datos utilizada

hasta el momento (GTZAN), cuya función en este apartado es exclusivamente como

entrenamiento del modelo. La siguiente tabla muestra un resumen de las características

de la base de datos modificada con la cual se va a trabajar en la parte de test.

Género Número de

Canciones

Duración

/Canción

(segundos)

Tasa de

muestreo

(Hz)

Resolución

(bits)

Formato de

compresión

Etiquetado

Blues 100

10

22050 16 MP3

“artista-

canción”.mp3

FolkCountry 100

Jazz 100

Pop 100

RapHipHop 100

Rock 100

TOTAL 600 100

minutos

Tabla 5.8: Descripción detallada de las características de la base de datos Dortmund adaptada. Se han

eliminado los géneros no comunes y se ha limitado el número de canciones a 100 por género. Edición

propia.

Una vez adaptada la colección de datos utilizada para testear el modelo, el Base Line con

el que se parte en este caso es de un 16,6 % al tratarse de una colección balanceada y con

seis géneros distintos.

56

5.3.2. Resultados para la arquitectura convencional utilizando una base de datos

externa en el proceso de test


Tabla 5.9: Resumen del proceso de clasificación para el modelo convencional mediante base de datos

externa de test, utilizando SMO. Edición propia.




externa de test, utilizando IBk. Edición propia.


Clasificador: SMO

Modelo Promedio

Blues Country HipHop Jazz Pop Rock

Instancias

correctamente

clasificadas

26 26 57 25 22 20 29,33 %

Precisión 0,222 0,236 0,475 0,333 0,301 0,190 0,293

Recall 0,260 0,260 0,570 0,250 0,220 0,2 0,293

Medida F 0,240 0,248 0,518 0,286 0,254 0,195 0,290


Clasificador: IBk

Modelo Promedio


Instancias

correctamente

clasificadas

18 33 40 28 14 26 25,6 %

Precisión 0,333 0,236 0,440 0,329 0,182 0,170 0,282

Recall 0,180 0,330 0,4 0,28 0,14 0,26 0,265

Medida F 0,234 0,275 0,419 0,303 0,158 0,206 0,266


Clasificador: J48

Modelo Promedio


Instancias

correctamente

clasificadas

13 23 47 22 23 28 26 %

Precisión 0,183 0,247 0,402 0,208 0,230 0,248 0,253

Recall 0,130 0,230 0,470 0,220 0,230 0,280 0,260

Medida F 0,152 0,238 0,433 0,214 0,230 0,263 0,255


externa de test, utilizando J48. Edición propia.

57

Las tablas 5.9, 5.10 y 5.11 recogen el resultado de proceso de clasificación del modelo

convencional con SMO, J48 y IBk. A simple vista, puede observarse como el porcentaje

de instancias correctamente clasificadas ha descendido drásticamente respecto a la

Arquitectura Convencional, obteniendo una tasa de acierto máxima de 29,3% cuando se

aplica el método de clasificación SMO. Si se analiza en detalle, el número de géneros a

clasificar es de 6, aquellos comunes entre las dos bases de datos y que se han ajustado

previamente, a diferencia de los 10 géneros con los que se ha trabajado hasta este punto.

Debido a esto, ahora para la clasificación mediante SMO, HipHop es el mejor clasificado

con un 0.475 de valor de Precisión pese a ser una tasa baja y Rock, el peor clasificado,

con un valor de Precisión de 0.19.

Analizando el resultado para J48, se obtiene un 26% de bondad de clasificador. De nuevo,

un resultado muy bajo donde el género HipHop vuelve a ser el mejor clasificado y Blues

el peor. Por último, IBk produce una tasa de instancias correctamente clasificadas del

25.6%, ligeramente superior a J48. De nuevo, HipHop es el mejor clasificado con un

valor de Precisión de 0.44, inferior a J48. En cambio, el género peor clasificado

corresponde a Pop.

En general, pese a obtener unos resultados muy bajos pero superiores al base line, son los

esperados. Aplicando la arquitectura de clasificación convencional, se crea un

clasificador que mejor defina a todos los géneros de la base de datos existente. Al tenerlos

unificados y no dar importancia a los géneros por separado, se pueden obtener resultados

aceptables, pero se intuye que cuando el modelo se enfrente a una clasificación con datos

con los que nunca ha tratado, su respuesta no esté a la altura, tal y como han corroborado

con los resultados obtenidos.

5.3.3. Resultados para la arquitectura SIMCA utilizando una base de datos

externa en el proceso de test


Tabla 5.12: Instancias correctamente clasificadas para cada modelo aplicando la arquitectura SIMCA con

una base de datos externa y método de clasificación SMO. Edición propia.


Clasificador: SMO

Modelo Promedio

Blues/No

Blues

Country/No

Country

HipHop/No

HipHop

Jazz/No

Jazz

Pop/No

Pop

Rock/No

Rock

Instancias

correctamente

clasificadas

83,3 83,3 83,3 83,3 83,3 83,3 83,3 %

Precisión 0,694 0,694 0,694 0,694 0,694 0,694

Recall 0,833 0,833 0,833 0,833 0,833 0,833

Medida F 0,758 0,758 0,758 0,758 0,758 0,758

58



una base de datos externa y método de clasificación J48. Edición propia.



una base de datos externa y método de clasificación IBk. Edición propia.

Analizando las tablas 5.12, 5.13 y 5.14, se observa un gran cambio respecto a la aplicación

de la arquitectura convencional. El porcentaje de instancias clasificadas correctamente ha

ascendido a un máximo de un 83.3% para el método de clasificación SMO, pese a mostrar

el mismo comportamiento que el observado en la arquitectura convencional. Ahora, el

peor de los casos lo produce IBk con un 75.9 % de instancias correctamente clasificadas,

lo cual es muy buen resultado comparado con el Base Line. Además, puede observarse

como el método equilibra la clasificación para todos los modelos, con una desviación de

0, 1.64 y 1.45 para los métodos SMO, J48 y IBk respectivamente.

Si se analiza la clasificación para cada género, cabe destacar que el género Rock para la

clasificación mediante J48, resulta el género con mayor porcentaje de instancias

correctamente clasificadas. Analizando en detalle los resultados de la clasificación para

cada modelo, los cuales se muestran en el Anexo E, figuras E.1 a E.18, cabe destacar que

SIMCA actúa mejor en clasificar todo aquello no perteneciente al propio género, lo cual

muestra valores de precisión siempre superiores a los valores de recall.

Mediante estos resultados se puede observar la robustez de la arquitectura SIMCA frente

a bases de datos externas. Pese a haber disminuido su bondad frente a la clasificación con

la base de datos conocida, SIMCA es claramente un método más robusto que la


Clasificador: J48

Modelo Promedio

Blues/No

Blues

Country/No

Country

HipHop/No

HipHop

Jazz/No

Jazz

Pop/No

Pop

Rock/No

Rock

Instancias

correctamente

clasificadas

78 82 82,16 83,3 80 83,3 81,47 %

Precisión 0,722 0,693 0,712 0,694 0,727 0,694

Recall 0,780 0,820 0,822 0,833 0,8 0,833

Medida F 0,747 0,751 0,755 0,758 0,755 0,758


Clasificador: IBk

Modelo Promedio

Blues/No

Blues

Country/No

Country

HipHop/No

HipHop

Jazz/No

Jazz

Pop/No

Pop

Rock/No

Rock

Instancias

correctamente

clasificadas

77,6 76,16 78 76,3 72 75,5 75,92 %

Precisión 0,717 0,738 0,740 0,734 0,710 0,735

Recall 0,777 0,762 0,780 0,763 0,725 0,755

Medida F 0,743 0,749 0,757 0,747 0,717 0,744

59

arquitectura convencional, ya que este descenso es mucho menor. Además, cabe destacar

que existe una gran desviación de los resultados de bondad de la arquitectura entre clases

al exponer a la Arquitectura Convencional a datos externos, donde la diferencia de

resultado entre el género mejor clasificado frente a las distintas clases es muy superior

respecto a los resultados obtenidos a través de SIMCA, tal y como se puede observar, a

modo de ejemplo para J48, en la siguiente tabla.

Tabla 5.15: Comparativa de la desviación media entre la arquitectura Convencional y SIMCA para

clasificación mediante J48. Edición propia.

5.4. Comparativa de eficiencia entre arquitecturas

Seguidamente se recogen en distintas tablas datos referentes a la bondad de la

clasificación según arquitectura y tipología de clasificadores, con el objetivo de poder

resumir de forma clara y concisa los resultados mostrados en los apartados anteriores para

cada una de las arquitecturas, poderlas comparar directamente y obtener unos resultados

globales.

Modelo Convencional frente a SIMCA (en porcentaje)

CLASIFICACIÓN

Arquitectura SMO J48 IBK

Convencional 66,2 48,2 59,7

SIMCA 91,6 89,75 91,05 Diferencia entre arquitecturas 25,4 41,55 31,35

Tabla 5.16: Comparativa entre arquitectura Convencional y SIMCA para clasificación mediante SMO, J48

y IBK. Edición propia.

Modelo Convencional frente a SIMCA para base de datos Externa (en porcentaje)

CLASIFICACIÓN


Convencional 29,33 26 26,5

SIMCA 83,33 81,47 75,9 Diferencia entre arquitecturas 54 55,47 49,4

Tabla 5.17: Comparativa entre arquitectura Convencional y SIMCA frente a Base de Datos Externa al

proceso de entrenamiento para clasificación mediante SMO, J48 y IBK. Edición propia.

Instancias Correctamente Clasificadas

Clasificador: J48 Desviación

Media


Arquitectura

Convencional

13 23 47 22 23 28 7,66

Arquitectura

SIMCA

78 82 82,16 83,3 80 83,3 1.63

Diferencia entre arquitecturas 6.03

60

Las tablas 5.15 y 5.16, muestran la comparativa de eficiencia entre las dos arquitecturas

frente a una clasificación de datos conocidos y a una base de datos externa

respectivamente. En los dos casos, SIMCA obtiene porcentajes mayores respecto a la

arquitectura convencional, haciéndose más notable para el clasificador J48 con hasta un

40% de mejora. Cuando se clasifican bases de datos externas, SIMCA es aún más robusto

obteniendo resultados un 50% superiores para todos los casos.

Modelo Convencional frente a Convencional para base de datos externa (en porcentaje)

CLASIFICACIÓN


Convencional 66,2 48,2 59,7

Convencional para base de datos externa 29,33 26 26,5 Diferencia entre arquitecturas 36,87 22,2 33,1

Tabla 5.18: Comparativa entre arquitectura Convencional y Convencional frente a Base de Datos Externa

al proceso de entrenamiento para clasificación mediante SMO, J48 y IBK. Edición propia.

Modelo SIMCA frente a SIMCA para base de datos externa (en porcentaje)

CLASIFICACIÓN


SIMCA 91,6 89,75 91,05

SIMCA para base de datos externa 83,33 81,47 75,9

Diferencia entre arquitecturas 8,3 8,28 15,15

Tabla 5.19: Comparativa entre arquitectura SIMCA y SIMCA frente a Base de Datos Externa al proceso

de entrenamiento para clasificación mediante SMO, J48 y IBK. Edición propia.

Por último, las tablas 5.17 y 5.18 muestran la eficiencia propia entre modelos expuestos

a clasificación de la base de datos utilizada para entrenamiento, frente a la clasificación

de una base de datos externa. De nuevo, la arquitectura SIMCA es más robusta, con

valores mínimos de descenso del 8.28% respecto a 22.2% de la arquitectura convencional

y con máximos de descenso un 15.15% respecto a un 36.87, prácticamente el doble.

Como conclusión cabe destacar que, tal y como muestran los resultados obtenidos,

SIMCA ha demostrado ser una arquitectura de clasificación que aporta, no solamente

mejores resultados, sino una mayor robustez y adaptación a datos nunca vistos por el

sistema, lo cual lo hace especialmente interesante. a diferencia de la Arquitectura

Convencional.

61

Capítulo 6

6. CONCLUSIONES Y TRABAJO

FUTURO

El objetivo principal de este proyecto ha sido el de implementar y testear una nueva

arquitectura de clasificación de géneros musicales basada en el modelo SIMCA. De este

modo, ha sido posible demostrar que la generalización de la arquitectura SIMCA produce

resultados superiores al clasificador convencional. Esta nueva arquitectura ha ido ligada

a un cambio de concepto de clasificación por computador tal y como se entiende

habitualmente. Pasamos de un clasificador de géneros musicales un clasificador de

clasificadores, en los cuales cada uno de ellos se especializa en clasificar la pertenencia

al género o no, descartando todos los demás. Para conseguirlo, el estudio y comprensión

del modelo SIMCA ideado por [Wold & Sjostrom 1977] y la buena idea de su estructura

junto a la propuesta conceptual de [Guaus 2009], han sido clave para poder implementar

la arquitectura paso a paso y testear su funcionamiento en el campo de la clasificación de

los géneros musicales.

La evaluación de este proyecto puede considerase muy positiva, debido a que se ha

conseguido implementar una arquitectura con una lógica de estructura aparentemente más

eficiente que la arquitectura convencional, cuyos resultados expuestos lo han

corroborado. En todos los casos comparados, la arquitectura propuesta ha mostrado unos

resultados superiores con gran diferencia, consiguiendo en algunos de los casos hasta un

50% de mejora como se ha podido observar a lo largo del Capítulo 5.

Para poder llegar a este punto, ha sido necesario realizar un estudio sobre el campo que

rodea a la minería de datos, especialmente el relacionado con las MIR y, en concreto, la

clasificación musical. En el Capítulo 1 se introduce la importancia de la minería de datos

y se justifica la necesidad de seguir investigando en este campo, debido a la digitalización

de la información y la forma de consumir música que requieren de métodos inteligentes

que ayudan a plataformas como Spotify o Soundhoud, a revolucionar la forma en que se

escucha música. Estudiar de que se encarga este campo relacionado con la recuperación

de información musical, así como el actual estado del arte en clasificación automática de

géneros, ha sido clave para justificar que la propuesta de este proyecto tiene un sentido y

aplicaciones reales más allá del aspecto académico.

Siguiendo con el desarrollo del proyecto, en el Capítulo 2 se ha detallado cada uno de los

procesos y aspectos teóricos de los que requiere un clasificador de géneros musicales,

partiendo de la base de datos hasta el proceso de evaluación del modelo. Este punto ha

sido imprescindible para detallar la tipología de clasificación supervisada utilizada, así

como la extracción de la esencia del contenido musical y el funcionamiento de tres de las

mejores técnicas de clasificación más comúnmente usadas; SMO, J48 y IBk. Además,

este capítulo ha proporcionado todo el conocimiento base necesario para implementar la

arquitectura propuesta.

62

En el Capítulo 3 se ha presentado la nueva arquitectura de clasificadores individuales

propuesta, estudiando el modelo SIMCA y adaptándolo al objetivo de este proyecto. Para

ello ha sido necesario comprender la técnica de optimización de datos, PCA, para

aplicarla a la base de géneros musicales.

En el Capítulo 4, se ha puesto a prueba todo analizado hasta el momento, consiguiendo

implementar la arquitectura SICMA a través de una serie de archivos (disponibles en

https://github.com/DavidCampayo/automatic-genre-classifier-SIMCA) que han

permitido tener desglosado el método a fin de obtener el control de cada una de las fases

e ir viendo la evolución de los datos.

Finalmente, en el Capítulo 5 se evalúa la eficiencia enfrentando las dos arquitecturas y

exponiéndolas a distintos factores. A través de distintos valores estadísticos obtenidos de

la matriz de confusión, se han podido visualizar la eficiencia de los modelos aplicando

las tres tipologías de clasificación estudiadas. En los resultados obtenidos, se ha

observado un comportamiento inesperado para el clasificador SMO en determinados

géneros, lo cual ha sorprendido por ser considerado uno de los clasificadores más

eficientes. Pese a esto, el clasificador ha resultado 100% preciso en la clasificación de

todo lo no perteneciente a su género por lo que, al tratarse de una arquitectura de

clasificación supervisada, se puede afirmar que los datos restantes pertenecen al género.

Los clasificadores J48 y IBk han mostrado un comportamiento esperado, con resultados

de eficiencia ligeramente inferiores a SMO y, en definitiva, SIMCA ha demostrado ser

una arquitectura que trabaja especialmente bien en condiciones normales y aún mejor

siendo expuesto a datos nunca vistos.

6.1. Trabajo Futuro

Este proyecto ha permitido demostrar que la generalización de la arquitectura SIMCA

aporta mejoras notables al proceso de clasificación frente al clasificador convencional.

Como se ha observado, no se ha entrado en detalle en cómo puede afectar cada punto o

parámetro del proceso a modo de conseguir cada fase optimizada al 100%, más allá de lo

que se ha definido en la arquitectura. Gracias a la implementación desglosada de la

arquitectura, es posible dejar las puertas abiertas a futuras investigaciones como:

• Estudio exhaustivo de la tipología de extracción de características que mejor

define a cada género, para optimizar el modelo en primeras fases. Esto podría ser

la solución al comportamiento inesperado observado al aplicar el método de

clasificación SMO.

• Observar cómo afectan los parámetros propios de cada clasificador que puedan

inferir a la eficiencia de la arquitectura.

• Probar el método para distintas tipologías de clasificadores. En el proyecto, se han

comparado las tres clasificaciones más comunes, SMO, J48 y IBk. Sería

interesante testear otros clasificadores menos comunes y observar si SIMCA sigue

siendo robusto.

• Crear una interfaz intuitiva de prueba de la arquitectura propuesta para agilizar el

proceso. Gracias a Weka GUI, ha sido posible testear de forma rápida en fases

previas la arquitectura de clasificador convencional. Debido a la complejidad de

SIMCA, se han tenido que crear una serie de archivos en lenguaje Python para

poder implementarlo.

https://github.com/DavidCampayo/automatic-genre-classifier-SIMCA

63

ANEXOS

Anexo A: Bases de datos de géneros musicales creadas por expertos

Base de

Datos

Números

de Géneros

Géneros Canciones Descripción

RWC (Real

World

Computing,

2004)

6 Musica Popular

Musica

Royalty-Free

Musica Classica

Musica Jazz

Género Musical

Instrumentos

Musicales

100

15

50

50

100

50

Es una base de datos registrada, creada

por Goto en 2003. El Género Musical

contiene 100 canciones organizadas en

33 subgéneros con 3 canciones por

cada uno y una pieza a capella.

Tabla A.1: Descripción detallada de las características de la base de datos RWC. Edición propia,

información extraída de [Guaus 2009].

Base de

Datos

Números

de

Géneros

Géneros Subgéneros Canciones Descripción

Ballroom

Dancers

3 Ballroom

Latin

Swing

Vals

Tango

Vals Vienés

Foxtrot

Quickstep

Cha Cha

Samba

Rumba y

Bolero

Rumba

Americana

Paso Doble

Salsa

Mambo

EC Swing

WC Swing

Lindy

Jive

323

189

137

242

263

215

194

195

8

24

17

8

3

5

8

140

Base de datos libre y

desbalanceada que contiene 30

segundos de cada pieza musical.

Para cada pieza se define el beat

per minute, lo que la hace útil para

la detección de ritmo y

clasificación de música de baile.

Tabla A.2: Descripción detallada de las características de la base de datos Ballroom Dancers. Edición

propia, información extraída de [Guaus 2009].

64

Anexo B: Características estándar del cálculo de descriptores

Figura B.1: Parámetros estándar de cálculo del descriptor Spectral Centroid contenido en el plugin Mir-

Edu. Edición propia.

Figura B.2: Parámetros estándar de cálculo del descriptor Spectral Crest contenido en el plugin Mir-Edu.

Edición propia.

Figura B.3: Parámetros estándar de cálculo del descriptor Spectral Flatness contenido en el plugin Mir-Edu.

Edición propia.

65

Figura B.4: Parámetros estándar de cálculo del descriptor Spectral Flux contenido en el plugin Mir-Edu.

Edición propia.

Figura B.5: Parámetros estándar de cálculo del descriptor Spectral Kurtosis contenido en el plugin Mir-


Figura B.6: Parámetros estándar de cálculo del descriptor Spectral Rolloff contenido en el plugin Mir-Edu.

Edición propia.

66

Figura B.7: Parámetros estándar de cálculo del descriptor Spectral Skewness contenido en el plugin Mir-


Figura B.8: Parámetros estándar de cálculo del descriptor Spectral Spread contenido en el plugin Mir-Edu.

Edición propia.

Figura B.9: Parámetros estándar de cálculo del descriptor Temporal Centroid contenido en el plugin Mir-


Figura B.10: Parámetros estándar de cálculo del descriptor Zero Crossing Rate contenido en el plugin Mir-


67

Figura B.11: Parámetros estándar de cálculo del descriptor MFCC contenido en el plugin Queen-Marys.

Edición propia.

Figura B.13: Parámetros estándar de cálculo del descriptor Attack Start End Times contenido en el plugin

Mir-Edu. Edición propia.

Figura B.12: Parámetros estándar de cálculo del descriptor Beats contenido en el plugin Mir-Edu. Edición

propia.

68

Figura B.14: Parámetros estándar de cálculo del descriptor Log Attack Time contenido en el plugin Mir-


Figura B.15: Parámetros estándar de cálculo del descriptor RMS contenido en el plugin Mir-Edu. Edición

propia.

69

Anexo C: Resultados completos obtenidos de la aplicación del método

de PCA

Figura C.1: Resultado de la aplicación del método PCA para el género musical Blues. Se puede observar

la matriz de correlación, la combinación lineal de los descriptores originales ponderados por los vectores

propios y ordenados de mayor a menor, la matriz de vectores propios y los nuevos atributos ordenados de

mayor a menor proporción de explicación de los datos (I).

70

Figura C.1: Resultado de la aplicación del método PCA para el género musical Blues. Se puede observar

la matriz de correlación, la combinación lineal de los descriptores originales ponderados por los vectores

propios y ordenados de mayor a menor, la matriz de vectores propios y los nuevos atributos ordenados de

mayor a menor proporción de explicación de los datos (II).

71

Anexo D: Presentación detallada de resultados estadísticos obtenidos de

la aplicación de la arquitectura SIMCA y 10 fold cross validation

Tabla D.1: Análisis detallado de la Precisión para cada fold y género utilizando la arquitectura SIMCA y

clasificación SMO. Edición propia.


clasificación J48. Edición propia.


Clasificador: SMO

Modelos Blues/

No

Blues

Classical/

No Classical Country/

No Country Disco/

No

Disco

HipHop/

No

HipHop

Jazz/

No

Jazz

Metal/

No

Metal

Pop/

No

Pop

Reggae/

No

Reggae

Rock/

No

Rock

Folds

1 88 98 84 91 91 93 94 95 91 90

2 91 97 91 90 91 89 92 94 92 96

3 91 98 91 89 96 91 89 98 85 88

4 92 97 87 92 88 91 95 98 91 87

5 93 97 86 87 90 87 94 92 88 97

6 87 94 91 89 90 89 97 96 91 90

7 87 97 92 93 90 89 94 94 90 91

8 91 95 91 91 87 89 92 97 91 85

9 93 99 95 92 87 93 96 95 91 81

10 87 98 92 86 90 89 96 92 90 95

Promedio 90 97 90 90 90 90 93,9 95,1 90 90

Promedio Total 91,6 %

Instancias Clasificadas Correctamente (en porcentaje)

Clasificador: J48 Modelos

Blues/ No

Blues

Classical/ No

Classical

Country/ No

Country

Disco/ No Disco

HipHop/ No

HipHop

Jazz/ No

Jazz

Metal/ No

Metal

Pop/ No

Pop

Reggae/ No

Reggae

Rock/ No

Rock

Folds

1 89 96 83 88 89 91 93 91 89 89

2 88 93 90 89 87 88 92 92 91 92

3 86 97 91 84 98 90 92 95 87 85

4 88 95 82 94 89 88 93 94 91 85

5 93 94 82 84 92 88 94 90 83 95

6 84 89 78 89 87 89 96 94 89 86

7 88 93 92 84 86 88 93 92 90 92

8 88 94 92 90 88 89 90 95 87 86

9 92 93 92 93 88 90 95 90 87 79

10 89 83 91 87 91 89 92 92 91 94

Promedio 88,5 92,7 87,3 88,2 89,5 89 93 92,5 88,5 88,3

Promedio Total 89,75

72

Instancias Clasificadas Correctamente (en porcentaje)

Clasificador: IBk

Modelos Blues/

No Blues

Classical/

No Classical

Country/

No Country

Disco/

No Disco

HipHop/

No HipHop

Jazz/

No Jazz

Metal/

No Metal

Pop/

No Pop

Reggae/

No Reggae

Rock/

No Rock

Folds

1 91 98 81 88 85 94 97 91 91 91

2 94 95 92 90 93 85 85 94 88 95

3 95 98 91 92 95 96 96 93 90 89

4 96 98 87 88 92 93 94 93 89 84

5 95 96 87 91 89 90 91 92 87 85

6 90 92 87 84 88 84 94 93 89 87

7 92 94 90 91 86 91 93 91 89 86

8 95 95 90 93 89 90 94 92 87 88

9 99 93 93 90 91 91 94 95 88 81

10 91 96 90 87 92 93 96 92 91 88

Promedio 93,8 95,5 88,8 89,4 90 90,7 93,4 92,6 88,9 87,4

Promedio Total 91.05


clasificación IBk. Edición propia.

73

P

reci

sió

n

Cla

sifi

cado

r: S

MO

Mod

elo

Blu

es

Clá

sica

C

ount

ry

Dis

co

Hip

Hop

Ja

zz

Met

al

Pop

R

egga

e R

ock

Blu

es

No

Blu

es

Cla

N

o C

la

Cou

nt

No

Cou

nt

Dis

co

No

Dis

co

Hip

N

o

Hip

Jazz

N

o

Jazz

Met

N

o M

et

Pop

N

o

Pop

Reg

N

o R

eg

Roc

k

No

Roc

k

Folds

1 0

0,88

1

0,97

9 0

0,84

0

0,91

0

0,91

0

0,93

0,

667

0,95

7 1

0,94

6 0

0,91

0

0,9

2 0

0,91

0,

917

0,97

0

0,91

0

0,9

0 0,

91

0 0,

89

1 0,

915

0,88

9 0,

945

0 0,

92

0 0,

96

3 0

0,91

0,

85

0,98

9 0

0,91

0

0,89

0

0,96

0

0,91

1

0,88

3 0,

75

1 0

0,85

0

0,88

4 0

0,92

1

0,96

9 0

0,87

0

0,92

0

0,88

0

0,91

1

0,94

7 1

0,97

8 0

0,91

9 0

0,87

5 0

0,93

0,

667

0,98

9 0

0,86

0

0,97

0

0,9

0 0,

87

0,83

3 0,

947

0,85

7 0,

925

0 0,

88

0 0,

97

6 0

0,87

0,

909

0,94

4 0

0,91

0

0,89

0

0,9

0 0,

89

0,75

0,

979

1 0,

959

0 0,

91

0 0,

9

7 0

0,87

1

0,96

6 0

0,92

0

0,93

0

0,9

0 0,

89

1 0,

938

0,66

7 0,

957

0 0,

9 0

0,91

8 0

0,91

0,

857

0,95

7 0

0,91

0

0,91

0

0,87

0

0,89

0,

6 0,

937

1 0,

969

0 0,

91

0 0,

85

9 0

0,93

1

0,98

9 0

0,95

0

0,92

0

0,87

0

0,93

1

0,95

8 0,

778

0,96

7 0

0,91

0

0,81

10

0 0,

87

1 0,

979

0 0,

92

0 0,

86

0 0,

9 0

0,89

0,

8 0,

968

1 0,

914

0 0,

9 0

0,95

Pro

med

io

0 0,

9 0,

92

0,97

31

0 0,

9 0

0,91

0

0,9

0 0,

9 0,

865

0,94

29

0,89

4 0,

956

0 0,

9009

0

0,9

Pro

med

io P

or

Mod

elo

0,45

0,

9465

5 0,

45

0,45

5 0,

45

0,45

0,

9039

5 0,

9250

5 0,

4504

5 0,

45

Tab

la D

.4:

Anál

isis

det

alla

do

de

la P

reci

sió

n p

ara

cad

a fo

ld y

géner

o u

tili

zand

o l

a ar

quit

ectu

ra S

IMC

A y

cla

sifi

caci

ón S

MO

. E

dic

ión p

rop

ia.

74

R

ecal

l

Cla

sifi

cado

r: S

MO

Mod

elo

Blu

es

Cas

sica

l C

ount

ry

Dis

co

Hip

Hop

Ja

zz

Met

al

Pop

R

egga

e R

ock

Blu

es

No

Blu

es

Cla

N

o C

la

Cou

nt

No

Cou

nt

Dis

co

No

Dis

co

Hip

N

o H

ip

Jazz

N

o Ja

zz

Met

N

o

Met

Pop

N

o P

op

Reg

N

o R

eg

Roc

k

No

Roc

k

Folds

1 0

1 0,

75

1 0

1 0

1 0

1 0

1 0,

5 0,

978

0,58

3 1

0 1

0 1

2 0

1 0,

846

0,98

9 0

1 0

1 0

1 0

1 0,

43

1 0,

615

0,98

9 0

1 0

1

3 0

1 0,

875

0,98

9 0

1 0

1 0

1 0

1 0,

35

1 1

0,97

9 0

1 0

1

4 0

1 0,

571

1 0

1 0

1 0

1 0

1 0,

55

1 0,

8 1

0 1

0 1

5 0

1 0,

8 0,

979

0 1

0 1

0 1

0 1

0,5

0,98

9 0,

462

0,98

9 0

1 0

1

6 0

1 0,

667

0,98

8 0

1 0

1 0

1 0

1 0,

6 0,

989

0,42

9 1

0 1

0 1

7 0

1 0,

786

1 0

1 0

1 0

1 0

1 0,

4 1

0,5

0,97

8 0

1 0

1

8 0

1 0,

6 0,

989

0 1

0 1

0 1

0 1

0,33

0,

978

0,5

1 0

1 0

1

9 0

1 0,

923

1 0

1 0

1 0

1 0

1 0,

56

1 0,

7 0,

978

0 1

0 1

10

0 1

0,71

4 1

0 1

0 1

0 1

0 1

0,57

0,

989

0,47

6 1

0 1

0 1

Pro

med

io

0 1

0,75

3 0,

9934

0

1 0

1 0

1 0

1 0,

48

0,99

23

0,60

7 0,

9913

0

1 0

1

Pro

med

io P

or

Mod

elo

0,5

0,87

33

0,5

0,5

0,5

0,5

0,73

55

0,79

89

0,5

0,5

Tab

la D

.5:

Anál

isis

det

alla

do

de

Rec

all

par

a ca

da

fold

y g

én

ero

uti

liza

nd

o l

a ar

quit

ectu

ra S

IMC

A y

cla

sifi

caci

ón S

MO

. E

dic

ión p

rop

ia.

75

F-M

easu

re

Cla

sifi

cado

r: S

MO

Mod

elo

Blu

es

Cas

sica

l C

ount

ry

Dis

co

Hip

Hop

Ja

zz

Met

al

Pop

R

egga

e R

ock

Blu

es

No

Blu

es

Cla

N

o C

la

Cou

nt

No

Cou

nt

Dis

co

No

Dis

co

Hip

N

o

Hip

Jazz

N

o

Jazz

Met

N

o

Met

Pop

N

o

Pop

Reg

N

o

Reg

Roc

k

No

Roc

k

Folds

1 0

0,93

6 0,

857

0,98

9 0

0,91

3 0

0,95

3 0

0,95

3 0

0,96

4 0,

571

0,96

8 0,

737

0,97

2 0

0,95

3 0

0,94

7

2 0

0,95

3 0,

88

0,98

3 0

0,95

3 0

0,94

7 0

0,95

3 0

0,94

2 0,

6 0,

956

0,72

7 0,

966

0 0,

958

0 0,

98

3 0

0,95

3 0,

875

0,98

9 0

0,95

3 0

0,94

2 0

0,98

0

0,95

3 0,

522

0,93

8 0,

857

0,98

9 0

0,91

9 0

0,93

6

4 0

0,95

8 0,

727

0,98

4 0

0,93

0

0,95

8 0

0,93

6 0

0,95

3 0,

706

0,97

3 0,

889

0,98

9 0

0,95

3 0

0,93

5 0

0,96

4 0,

727

0,98

4 0

0,92

5 0

0,93

0

0,94

7 0

0,93

0,

625

0,96

7 0,

6 0,

956

0 0,

936

0 0,

985

6 0

0,93

0,

769

0,96

6 0

0,95

3 0

0,94

2 0

0,94

7 0

0,94

2 0,

667

0,98

4 0,

6 0,

979

0 0,

953

0 0,

947

7 0

0,93

0,

88

0,98

3 0

0,95

8 0

0,96

4 0

0,94

7 0

0,94

2 0,

571

0,96

8 0,

571

0,96

8 0

0,94

7 0

0,95

3

8 0

0,95

3 0,

706

0,97

3 0

0,95

3 0

0,95

3 0

0,93

0

0,94

2 0,

429

0,95

7 0,

667

0,98

4 0

0,95

3 0

0,91

9

9 0

0,96

4 0,

96

0,99

4 0

0,94

7 0

0,95

8 0

0,93

0

0,96

4 0,

714

0,97

8 0,

737

0,97

2 0

0,95

3 0

0,89

5

10

0 0,

93

0,83

3 0,

989

0 0,

958

0 0,

925

0 0,

947

0 0,

942

0,66

7 0,

979

0,63

6 0,

955

0 0,

947

0 0,

974

Pro

med

io

0 0,

9471

0,

8214

0,

9834

0

0,94

43

0 0,

9472

0

0,94

7 0

0,94

74

0,60

72

0,96

68

0,70

2 0,

973

0 0,

9472

0

0,94

66

Pro

med

io P

or

Mod

elo

0,47

355

0,90

24

0,47

215

0,47

36

0,47

35

0,47

37

0,78

7 0,

8375

5 0,

4736

0,

4733

Tab

la D

.6:

Anál

isis

det

alla

do

de

la M

edid

a F

par

a ca

da

fold

y g

éner

o u

tili

zand

o l

a ar

quit

ectu

ra S

IMC

A y

cla

sifi

caci

ón S

MO

. E

dic

ión p

rop

ia.

76

P

reci

sión

Cla

sifi

cado

r: J

48

Mod

elo

Blu

es

Cas

sica

l C

ount

ry

Dis

co

Hip

Hop

Ja

zz

Met

al

Pop

R

egga

e R

ock

Blu

es

No

Blu

es

Cla

N

o C

la

Cou

nt

No

Cou

nt

Dis

co

No

Dis

co

Hip

N

o H

ip

Jazz

N

o

Jazz

Met

N

o M

et

Pop

N

o P

op

Reg

N

o

Reg

Roc

k

No

Roc

k

Folds

1 0,

667

0,89

7 0,

75

0,97

8 0,

429

0,86

0,

333

0,93

4 0,

333

0,92

6 0,

333

0,94

7 0,

556

0,96

7 0,

636

0,94

4 0,

375

0,93

5 0,

4 0,

916

2 0,

286

0,92

5 0,

8 0,

944

0,4

0,92

6 0,

455

0,94

4 0,

066

0,78

8 0,

462

0,94

3 0,

8 0,

933

0,85

7 0,

925

0 0,

919

0,25

0,

978

3 0,

273

0,93

3 0,

778

0,98

9 0,

5 0,

946

0,22

2 0,

901

0,75

0,

99

0,42

9 0,

935

0,73

7 0,

963

0,57

1 0,

978

0,6

0,9

0 0,

876

4 0,

3 0,

944

0,66

7 0,

968

0,27

3 0,

888

0,66

7 0,

957

0,57

1 0,

914

0,38

5 0,

954

0,93

6 0,

833

0,7

0,96

7 0,

5 0,

927

0,37

5 0,

891

5 0,

5 0,

957

0,44

4 0,

989

0,35

7 0,

895

0,4

0,91

8 0,

583

0,96

6 0,

667

0,88

7 0,

833

0,94

7 0,

636

0,93

3 0,

222

0,89

0

0,96

9

6 0,

364

0,89

9 0,

7 0,

911

0 0,

897

0,5

0,90

6 0,

385

0,94

3 0,

5 0,

906

0,57

1 0,

989

0,6

0,95

8 0,

333

0,92

6 0,

167

0,90

4

7 0,

571

0,90

3 0,

818

0,94

4 0,

5 0,

938

0,23

5 0,

964

0,16

7 0,

904

0,44

4 0,

923

0,8

0,93

7 0,

5 0,

957

0,5

0,91

7 0

0,90

9

8 0,

2 0,

916

0,83

3 0,

947

0,55

6 0,

956

0,4

0,92

6 0,

571

0,90

3 0,

5 0,

915

0,45

5 0,

955

0,66

7 0,

959

0,3

0,93

3 1

0,85

9

9 0,

4 0,

947

0,73

3 0,

976

0 0,

948

0,57

1 0,

957

0,53

8 0,

931

0,2

0,93

7 0,

7 0,

978

0,5

0,94

4 0,

25

0,92

4 0

0,80

6

10

0,62

5 0,

913

0,5

0,96

7 0,

4 0,

937

0,57

1 0,

892

0,66

7 0,

918

0,5

0,93

3 0,

429

0,95

7 1

0,91

4 1

0,90

9 0

0,94

9

Pro

med

io

0,41

86

0,92

34

0,70

23

0,96

13

0,34

2 0,

9191

0,

435

0,92

99

0,46

3 0,

9183

0,

442

0,92

8 0,

682

0,94

59

0,66

7 0,

9479

0,

408

0,91

8 0,

219

0,90

57

Pro

med

io P

or

Mod

elo

0,67

1 0,

8318

0,

6303

0,

6826

5 0,

6907

0,

685

0,81

38

0,80

73

0,66

3 0,

5624

5

Tab

la D

.7:

Anál

isis

det

alla

do

de

la P

reci

sió

n p

ara

cad

a fo

ld y

géner

o u

tili

zand

o l

a ar

quit

ectu

ra S

IMC

A y

cla

sifi

caci

ón J

48

. E

dic

ión p

rop

ia.

77

Rec

all

Cla

sifi

cad

or:

J48

Mo

del

o

Blu

es

Cas

sica

l C

ou

ntr

y

Dis

co

Hip

Hop

Jazz

M

etal

P

op

Reg

gae

R

ock

Folds

B

lues

N

o

Blu

es

Cla

N

o

Cla

Co

unt

No

Co

unt

Dis

co

No

Dis

co

Hip

N

o

Hip

Jazz

N

o

Jazz

Met

N

o

Met

Po

p

No

Po

p

Reg

N

o

Reg

Ro

ck

No

Ro

ck

1

0,1

7

0,9

89

0,7

5

0,9

78

0,1

88

0,9

52

0,3

33

0,9

34

0,2

2

0,9

56

0,2

86

0,9

57

0,6

3

0,9

57

0,5

83

0,9

55

0,3

33

0,9

45

0,2

0

,96

7

2

0,2

2

0,9

45

0,6

15

0,9

77

0,2

22

0,9

67

0,5

0

,93

3

0,2

2

0,9

34

0,5

45

0,9

21

0,5

7

0,9

77

0,4

62

0,9

89

0

0,9

89

0,5

0

,93

8

3

0,3

3

0,9

12

0,8

75

0,9

78

0,4

44

0,9

56

0,1

82

0,9

21

0,7

5

0,9

9

0,3

33

0,9

56

0,8

2

0,9

4

0,6

67

0,9

68

0,4

0

,95

3

0

0,9

66

4

0,3

8

0,9

24

0,5

71

0,9

78

0,2

31

0,9

08

0,5

0

,97

8

0,3

3

0,9

66

0,5

56

0,9

12

0,4

6

0,9

89

0,7

0

,96

7

0,2

22

0,9

78

0,2

31

0,9

43

5

0,4

3

0,9

68

0,8

0

,94

7

0,3

75

0,8

95

0,4

62

0,8

97

0,7

0

,94

4

0,1

54

0,9

89

0,5

0

,98

9

0,5

38

0,9

54

0,1

67

0,9

2

0

0,9

79

6

0,3

1

0,9

2

0,4

67

0,9

65

0

0,8

57

0,1

82

0,9

78

0,5

0

,91

1

0,1

82

0,9

78

0,8

0

,96

8

0,4

29

0,9

78

0,2

22

0,9

56

0,1

0

,94

4

7

0,3

1

0,9

66

0,6

43

0,9

77

0,2

5

0,9

78

0,5

71

0,8

6

0,1

0

,94

4

0,3

64

0,9

44

0,4

0

,98

9

0,5

0

,95

7

0,2

0

,97

8

0

0,9

89

8

0,1

1

0,9

56

0,5

0

,98

9

0,5

56

0,9

56

0,2

22

0,9

67

0,3

1

0,9

66

0,2

73

0,9

66

0,5

6

0,9

34

0,3

33

0,9

89

0,3

33

0,9

23

0,0

67

1

9

0,2

9

0,9

68

0,8

46

0,9

54

0

0,9

68

0,5

0

,96

7

0,5

4

0,9

31

0,1

43

0,9

57

0,7

8

0,9

67

0,5

0

,94

4

0,2

22

0,9

34

0

0,9

75

10

0,3

9

0,9

66

0,5

71

0,9

57

0,2

5

0,9

67

0,2

86

0,9

65

0,2

0

,98

9

0,4

55

0,9

44

0,4

3

0,9

57

0,4

67

1

0,1

1

0

0

,98

9

Pro

med

io

0,2

9

0,9

514

0,6

64

0,9

7

0,2

516

0,9

404

0,3

738

0,9

4

0,3

9

0,9

531

0,3

29

0,9

524

0,5

9

0,9

667

0,5

18

0,9

701

0,2

2

0,9

576

0,1

098

0,9

69

Pro

med

io P

or

Mod

elo

0,6

219

0,8

169

0,5

96

0,6

569

0,6

702

0,6

407

5

0,7

802

5

0,7

44

0,5

887

5

0,5

394

Tab

la D

.8:

Anál

isis

det

alla

do

de

Rec

all

par

a ca

da

fold

y g

én

ero

uti

liza

nd

o l

a ar

quit

ectu

ra S

IMC

A y

cla

sifi

caci

ón J

48

. E

dic

ión p

rop

ia.

78

F

-Mea

sure

Cla

sifi

cad

or:

J4

8

Mod

elo

Blu

es

Cas

sica

l C

ou

ntr

y

Dis

co

Hip

Hop

Jazz

M

etal

P

op

Reg

gae

R

ock

Blu

es

No

Blu

es

Cla

N

o

Cla

Co

unt

No

Co

unt

Dis

co

No

Dis

co

Hip

N

o

Hip

Jazz

N

o

Jazz

Met

N

o

Met

Po

p

No

Po

p

Reg

N

o

Reg

Ro

ck

No

Ro

ck

Folds

1

0,2

67

0,9

41

0,7

5

0,9

78

0,2

61

0,9

04

0,3

33

0,9

34

0,2

67

0,9

41

0,3

08

0,9

52

0,5

88

0,9

62

0,6

09

0,9

49

0,3

5

0,9

4

0,2

67

0,9

41

2

0,2

5

0,9

35

0,6

96

0,9

6

0,2

86

0,9

46

0,4

76

0,9

39

0,2

35

0,9

29

0,5

0

,93

2

0,6

67

0,9

55

0,6

0

,96

5

0

0,9

53

0,3

33

0,9

57

3

0,3

0

,92

2

0,8

24

0,9

84

0,4

71

0,9

51

0,2

0

,91

1

0,7

5

0,9

9

0,3

75

0,9

46

0,7

78

0,9

51

0,6

15

0,9

73

0,4

8

0,9

26

0

0,9

19

4

0,3

33

0,9

34

0,6

15

0,9

73

0,2

5

0,8

98

0,5

71

0,9

68

0,4

21

0,9

39

0,4

55

0,9

33

0,5

88

0,9

62

0,7

0

,96

7

0,3

1

0,9

52

0,2

86

0,9

16

5

0,4

62

0,9

63

0,5

71

0,9

68

0,3

75

0,8

95

0,4

29

0,9

07

0,6

36

0,9

55

0,2

5

0,9

35

0,6

25

0,9

67

0,5

83

0,9

43

0,1

9

0,9

05

0

0,9

4

6

0,3

33

0,9

09

0,5

6

0,9

37

0

0,8

76

0,2

67

0,9

41

0,4

35

0,9

27

0,2

67

0,9

41

0,6

67

0,9

79

0,5

0

,96

8

0,2

7

0,9

41

0,1

25

0,9

24

7

0,4

0

,93

3

0,7

2

0,9

6

0,3

33

0,9

57

0,3

33

0,9

09

0,1

25

0,9

24

0,4

0

,93

3

0,5

33

0,9

62

0,5

0

,95

7

0,2

9

0,9

46

0

0,9

47

8

0,1

43

0,9

35

0,6

25

0,9

67

0,5

56

0,9

56

0,2

86

0,9

46

0,4

0

,93

3

0,3

53

0,9

4

0,5

0

,94

4

0,4

44

0,9

74

0,3

2

0,9

28

0,1

25

0,9

24

9

0,3

33

0,9

57

0,7

86

0,9

65

0

0,9

58

0,5

33

0,9

62

0,5

38

0,9

31

0,1

67

0,9

47

0,7

37

0,9

72

0,5

0

,94

4

0,2

4

0,9

29

0

0,8

83

10

0,4

76

0,9

39

0,5

33

0,9

62

0,3

08

0,9

52

0,3

81

0,9

27

0,3

08

0,9

52

0,4

76

0,9

39

0,4

29

0,9

57

0,6

36

0,9

55

0,1

8

0,9

52

0

0,9

69

Pro

med

io

0,3

3

0,9

368

0,6

68

0,9

654

0,2

84

0,9

293

0,3

809

0,9

344

0,4

12

0,9

421

0,3

55

0,9

398

0,6

112

0,9

611

0,5

69

0,9

595

0,2

6

0,9

372

0,1

14

0,9

32

Pro

med

io P

or

Mod

elo

0,6

332

5

0,8

167

0,6

066

5

0,6

576

5

0,6

768

0,6

474

5

0,7

861

5

0,7

641

0,5

994

5

0,5

228

Tab

la D

.9:

Anál

isis

det

alla

do

de

la M

edid

a F

par

a ca

da

fold

y g

éner

o u

tili

zand

o l

a ar

quit

ectu

ra S

IMC

A y

cla

sifi

caci

ón J

48

. E

dic

ión p

rop

ia.

79

P

reci

sió

n

Cla

sifi

cad

or:

IB

K (

K-n

eare

st-n

eigh

bo

r)

Mo

del

o

Blu

es

Cas

sica

l C

ou

ntr

y

Dis

co

Hip

Hop

Jazz

M

etal

P

op

Reg

gae

R

ock

Blu

es

No

Blu

es

Cla

N

o

Cla

Co

un

t

No

Co

unt

Dis

c

o

No

Dis

co

Hip

N

o

Hip

Jazz

N

o

Jazz

Met

N

o

Met

Po

p

No

Po

p

Reg

N

o

Reg

Ro

ck

No

Ro

ck

Folds

1

0,7

14

0,9

25

0,8

75

0,9

89

0,3

64

0,8

65

0,3

85

0,9

54

0

0,9

04

0,6

67

0,9

48

0,8

57

0,9

78

0,6

36

0,9

44

0,5

0

,95

6

0,5

71

0,9

35

2

0,6

36

0,9

78

0,7

86

0,9

77

0,5

56

0,9

56

0,5

0

,92

6

0,7

5

0,9

38

0,3

0

,91

1

0,4

44

0,8

9

0,8

89

0,9

45

0,1

67

0,9

26

0,4

44

1

3

0,6

67

0,9

89

1

0,9

79

0,5

0

,94

6

0,7

14

0,9

35

0,4

44

1

0,8

57

0,9

68

1

0,9

54

0,4

62

1

0,7

27

0,9

21

0,6

67

0,8

97

4

0,7

5

0,9

78

0,8

57

0,9

89

0,5

0

,88

5

0,3

33

0,9

55

0,8

33

0,9

26

0,6

67

0,9

47

0,7

78

0,9

56

0,6

36

0,9

66

0,3

33

0,9

26

0,3

64

0,8

99

5

0,6

67

0,9

68

0,6

0

,97

9

0,5

56

0,9

1

0,7

0

,93

3

0,4

62

0,9

54

0,7

14

0,9

14

0,5

45

0,9

55

0,8

57

0,9

25

0,4

55

0,9

21

0,0

71

0,9

77

6

0,6

67

0,9

23

1

0,9

14

0,2

5

0,9

24

0,1

43

0,8

92

0,3

75

0,9

24

0,2

22

0,9

01

0,4

29

0,9

78

0,5

0

,95

7

0,4

17

0,9

55

0,3

64

0,9

33

7

0,7

78

0,9

34

0,9

0

,94

4

0,3

75

0,9

46

0,3

33

0,9

47

0,3

0

,92

2

0,6

25

0,9

35

0,6

67

0,9

56

0,4

44

0,9

56

0,4

29

0,9

25

0,2

22

0,9

23

8

0,8

33

0,9

57

0,8

57

0,9

57

0,4

44

0,9

45

0,6

67

0,9

47

0,6

25

0,9

13

0,5

56

0,9

34

0,6

67

0,9

67

0,4

0

,97

8

0,2

5

0,9

24

0,6

36

0,9

1

9

1

0,9

89

0,8

75

0,9

35

0,3

33

0,9

68

0,3

33

0,9

36

0,7

5

0,9

24

0,2

5

0,9

38

0,6

1

0

,69

2

0,9

89

0,2

0

,91

6

0,5

0

,83

7

10

0,8

33

0,9

15

1

0,9

59

0,4

0

,95

6

0,5

38

0,9

2

0,5

83

0,9

66

0,7

0

,95

6

0,6

67

0,9

89

0,8

18

0,9

33

0,5

45

0,9

55

0

0,9

46

Pro

med

io

0,7

54 5

0,9

556

0,8

75

0,9

622

0,4

28

0,9

301

0,4

65

0,9

345

0,5

12

0,9

371

0,5

558

0,9

352

0,6

65

0,9

623

0,6

33

0,9

593

0,4

02

0,9

325

0,3

84

0,9

25 7

Pro

med

io P

or

Mod

elo

0,8

550

5

0,9

186

0,6

789

5

0,6

995

5

0,7

246

5

0,7

455

0,8

138

5

0,7

963

5

0,6

674

0,6

548

Tab

la D

.10

: A

nál

isis

det

alla

do

de

la P

reci

sió

n p

ara

cad

a fo

ld y

géner

o u

tili

zand

o l

a ar

quit

ectu

ra S

IMC

A y

cla

sifi

caci

ón I

Bk.

Ed

ició

n p

rop

ia.

80

R

ecall

Cla

sifi

cad

or:

IB

K (

K-n

eare

st-n

eig

hb

or)

Mod

elo

Blu

es

Cas

sica

l C

ou

ntr

y

Dis

co

Hip

Hop

Jazz

M

etal

P

op

Reg

gae

R

ock

Blu

es

No

Blu

es

Cla

N

o

Cla

Co

unt

No

Co

unt

Dis

co

No

Dis

co

Hip

N

o

Hip

Jazz

N

o

Jazz

Met

N

o

Met

Po

p

No

Po

p

Reg

N

o

Reg

Ro

ck

No

Ro

ck

Folds

1

0,4

2

0,9

77

0,8

75

0,9

89

0,2

5

0,9

17

0,5

56

0,9

12

0

0,9

34

0,2

86

0,9

89

0,7

5

0,9

89

0,5

83

0,9

55

0,5

56

0,9

45

0,4

0

,96

7

2

0,7

8

0,9

56

0,8

46

0,9

66

0,5

56

0,9

56

0,3

0

,96

7

0,3

3

0,9

89

0,2

73

0,9

21

0,2

9

0,9

42

0,6

15

0,9

89

0,1

25

0,9

46

1

0,9

48

3

0,8

9

0,9

56

0,7

5

1

0,4

44

0,9

56

0,4

55

0,9

78

1

0,9

48

0,6

67

0,9

89

0,7

7

1

1

0,9

26

0,5

33

0,9

65

0,1

67

0,9

89

4

0,7

5

0,9

78

0,8

57

0,9

89

0,1

54

0,9

77

0,5

0

,91

3

0,4

2

0,9

89

0,4

44

0,9

78

0,6

4

0,9

78

0,7

0

,95

6

0,2

22

0,9

56

0,3

08

0,9

2

5

0,5

7

0,9

78

0,6

0

,97

9

0,3

57

0,9

53

0,5

38

0,9

66

0,6

0

,92

2

0,3

85

0,9

77

0,6

0

,94

4

0,4

62

0,9

89

0,4

17

0,9

32

0,3

33

0,8

66

6

0,4

6

0,9

66

0,4

67

1

0,2

22

0,9

34

0,0

91

0,9

33

0,3

0

,94

4

0,1

82

0,9

21

0,6

0

,95

8

0,4

29

0,9

68

0,5

56

0,9

23

0,4

0

,92

2

7

0,5

4

0,9

77

0,6

43

0,9

88

0,3

75

0,9

46

0,2

86

0,9

57

0,3

0

,92

2

0,4

55

0,9

66

0,6

0

,96

7

0,5

0

,94

6

0,3

0

,95

6

0,2

22

0,9

23

8

0,5

6

0,9

89

0,6

0

,98

9

0,4

44

0,9

45

0,4

44

0,9

78

0,3

9

0,9

66

0,4

55

0,9

55

0,6

7

0,9

67

0,6

67

0,9

36

0,2

22

0,9

34

0,4

67

0,9

53

9

0,8

6

1

0,5

38

0,9

89

0,4

0

,95

8

0,2

5

0,9

57

0,5

0

,97

7

0,1

43

0,9

68

1

0,9

34

0,9

0

,95

6

0,1

11

0,9

56

0,2

11

0,9

51

10

0,3

9

0,9

89

0,4

29

1

0,5

0

,93

5

0,5

0

,93

0,7

0

,94

4

0,6

36

0,9

66

0,8

6

0,9

68

0,6

0

,97

6

0,6

0

,94

4

0

0,9

26

Pro

med

io

0,6

2

0,9

766

0,6

61

0,9

889

0,3

702

0,9

477

0,3

92

0,9

491

0,4

5

0,9

535

0,3

93

0,9

63

0,6

8

0,9

647

0,6

46

0,9

597

0,3

64

0,9

457

0,3

50 8

0,9

365

Pro

med

io P

or

Mod

elo

0,7

984

5

0,8

247

0,6

589

5

0,6

705

5

0,7

035

0,6

778

0,8

204

0,8

026

5

0,6

549

5

0,6

436

5

Tab

la D

.11

: A

nál

isis

det

alla

do

del

Rec

all

par

a ca

da

fold

y g

éner

o u

tili

zand

o l

a ar

quit

ectu

ra S

IMC

A y

cla

sifi

caci

ón I

Bk.

Ed

ició

n p

rop

ia.

81

F

-Mea

sure

Cla

sifi

cad

or:

IB

K(K

-nea

rest

-nei

gh

bor)

Mo

del

o

Blu

es

Cas

sica

l C

ou

ntr

y

Dis

co

Hip

Hop

Jazz

M

etal

P

op

Reg

gae

R

ock

Blu

es

No

Blu

es

Cla

N

o

Cla

Co

unt

No

Co

unt

Dis

co

No

Dis

co

Hip

N

o

Hip

Jazz

N

o

Jazz

Met

N

o

Met

Po

p

No

Po

p

Reg

N

o

Reg

Ro

ck

No

Ro

ck

Folds

1

0,5

26

0,9

5

0,8

75

0,9

89

0,2

96

0,8

9

0,4

55

0,9

33

0

0,9

19

0,4

0

,96

8

0,8

0

,98

4

0,6

09

0,9

49

0,5

3

0,9

5

0,4

71

0,9

51

2

0,7

0

,96

7

0,8

15

0,9

71

0,5

56

0,9

56

0,3

75

0,9

46

0,4

62

0,9

63

0,2

86

0,9

16

0,3

48

0,9

15

0,7

27

0,9

66

0,1

4

0,9

35

0,6

15

0,9

73

3

0,7

62

0,9

72

0,8

57

0,9

89

0,4

71

0,9

51

0,5

56

0,9

56

0,6

15

0,9

73

0,7

5

0,9

78

0,8

67

0,9

76

0,6

32

0,9

61

0,6

2

0,9

43

0,2

67

0,9

41

4

0,7

5

0,9

78

0,8

57

0,9

89

0,2

35

0,9

29

0,4

0

,93

3

0,5

56

0,9

56

0,5

33

0,9

62

0,7

0

,96

7

0,6

67

0,9

61

0,2

7

0,9

41

0,3

33

0,9

09

5

0,6

15

0,9

73

0,6

0

,97

9

0,4

35

0,9

27

0,6

09

0,9

49

0,5

22

0,9

38

0,5

0

,94

4

0,5

71

0,9

5

0,6

0

,95

6

0,4

4

0,9

27

0,1

18

0,9

18

6

0,5

45

0,9

44

0,6

36

0,9

55

0,2

35

0,9

29

0,1

11

0,9

12

0,3

33

0,9

34

0,2

0

,91

1

0,5

0

,96

8

0,4

62

0,9

63

0,4

8

0,9

39

0,3

81

0,9

27

7

0,6

36

0,9

55

0,7

5

0,9

66

0,3

75

0,9

46

0,3

08

0,9

52

0,3

0

,92

2

0,5

26

0,9

5

0,6

32

0,9

61

0,4

71

0,9

51

0,3

5

0,9

4

0,2

22

0,9

23

8

0,6

67

0,9

73

0,7

06

0,9

73

0,4

44

0,9

45

0,5

33

0,9

62

0,4

76

0,9

39

0,5

0

,94

4

0,6

67

0,9

67

0,5

0

,95

7

0,2

4

0,9

29

0,5

38

0,9

31

9

0,9

23

0,9

95

0,6

67

0,9

61

0,3

64

0,9

63

0,2

86

0,9

46

0,5

7

0,9

5

0,1

82

0,9

52

0,7

5

0,9

66

0,7

83

0,9

72

0,1

4

0,9

35

0,2

96

0,8

9

10

0,5

26

0,9

5

0,6

0

,97

9

0,4

44

0,9

45

0,5

19

0,9

25

0,6

36

0,9

55

0,6

67

0,9

61

0,7

5

0,9

78

0,6

92

0,9

54

0,5

7

0,9

5

0

0,9

36

Pro

med

io

0,6

65

0,9

657

0,7

363

0,9

751

0,3

86

0,9

381

0,4

152

0,9

414

0,4

47

0,9

449

0,4

54

0,9

486

0,6

585

0,9

632

0,6

14

0,9

59

0,3

8

0,9

389

0,3

24

0,9

299

Pro

med

io P

or

Mod

elo

0,8

153

5

0,8

557

0,6

618

0,6

783

0,6

959

5

0,7

015

0,8

108

5

0,7

866

5

0,6

576

5

0,6

27

T

abla

D.1

2:

Anál

isis

det

alla

do

de

la M

edid

a F

par

a ca

da

fold

y g

éner

o u

tili

zand

o l

a ar

quit

ectu

ra S

IMC

A y

cla

sifi

caci

ón I

Bk.

Ed

ició

n p

rop

ia.

82

Anexo E: Resultados de clasificación para base de datos externa

mediante arquitectura SIMCA para los métodos de clasificación SMO,

J48 y IBk

Figura E.1: Resumen del proceso de clasificación para el modelo Blues / No Blues, arquitectura SIMCA

utilizando la base de datos Dortmund para test y clasificación SMO. Extraída de Weka GUI.


utilizando la base de datos Dortmund para test y clasificación J48. Extraída de Weka GUI.

83


utilizando la base de datos Dortmund para test y clasificación IBk. Extraída de Weka GUI.

Figura E.4: Resumen del proceso de clasificación para el modelo Country / No Country, arquitectura

SIMCA utilizando la base de datos Dortmund para test y clasificación SMO. Extraída de Weka GUI.

84


SIMCA utilizando la base de datos Dortmund para test y clasificación IBk. Extraída de Weka GUI.


SIMCA utilizando la base de datos Dortmund para test y clasificación J48. Extraída de Weka GUI.

85

Figura E.7: Resumen del proceso de clasificación para el modelo HipHop / No HipHop, arquitectura

SIMCA utilizando la base de datos Dortmund para test y clasificación SMO. Extraída de Weka GUI.


SIMCA utilizando la base de datos Dortmund para test y clasificación IBk. Extraída de Weka GUI.

86


SIMCA utilizando la base de datos Dortmund para test y clasificación J48. Extraída de Weka GUI.

Figura E.10: Resumen del proceso de clasificación para el modelo Jazz / No Jazz, arquitectura SIMCA


87





88

Figura E.13: Resumen del proceso de clasificación para el modelo Pop / No Pop, arquitectura SIMCA




89



Figura E.16: Resumen del proceso de clasificación para el modelo Rock / No Rock, arquitectura SIMCA


90





91

Anexo F: Reducción de la dimensionalidad de los datos mediante la

aplicación del PCA

Género


Número de

descriptores

previos al

PCA

32 32 32 32 32 32 32 32 32 32

Número de

descriptores

posterior al

PCA

17 17 20 20 19 19 19 18 20 19

Tabla F.1: Comparativa de la reducción de la dimensionalidad de los descriptores, antes y después de

aplicar el análisis de componentes principales.

92

Bibliografía

[Ahrendt 2006] Ahrendt, P. (2006) Music Genre Classification Systems: A

Computational Approach. Music Genre Classifications Systems, 5-14.

[Bogdanov, Porter, Herrera & Serra, 2016] Bogdanov, D., Porter, A., Herrera, P., & Serra,

X. (2016) Cross-collection evaluation for music classification tasks.

[Cannam, Levy, Sutton 2009] Cannam, C., Levy, M., Sutton, C. (2009). Sonic Annotator.

https://vamp-plugins.org/sonic-annotator/ Último acceso 25 Julio, 2017.

[Chase 2001] Chase, A. R. (2001). Music discriminations by carp (cyprinus carpio).

Animal Learning & Behavior 29, 336–353.

[Cook 1999] Cook, P.R. (1999). Music, Cognition, and Computerized Sound: An

Introduction to Psychoacoustics. The MIT Press.

[Donkelaar & Kimitaka 2011] Donkelaar, H., Kimitaka, K. (2011). The Auditory System.

[Equipo de Machine Learning 1993] Equipo de Machine Learning (1993). Weka

(Waikato Environment for Knowledge Analysis).

https://www.cs.waikato.ac.nz/ml/weka/index.html Último acceso 7

Agosto, 2017

[Equipo SIMAC, ESASIER, OMRAS2 2009] Equipo SIMAC, ESASIER, OMRAS2

(2009) VAMP Plugins. https://vamp-plugins.org/index.html Último acceso

3 Agosto, 2017

[Guaus 2009] Guaus, E. (2009). Audio content processing for automatic music genre

classification: descriptors, databases, and classifiers.

[Li, Ogihara and Tzanetakis 2011] Li, T., Ogihara, M., and Tzanetakis, G. (2011). Music

Data Mining (7), páginas 33-40

[Mazoni & Dannengberg 2000] Mazoni, D., Dannenberg, R. (2000). Audacity.

https://www.audacityteam.org/ Último acceso 15 de Julio, 2017.

[Oramas, Nieto, Barbieri & Serra, 2017] Oramas, S., Nieto, O., Barbieri, F., & Serra,

X., (2017). Multi-label music genre classification from audio, text and images using

deep features

[Peeters 2004] Peeters, G. (2004). A large set of audio features for sound description

(similarity and classification) in the CUIDADO project.

[Polotti & Davide Rocchesso 2008] Polotti, P., Rocchesso, D. (2008). Sound to Sense,

Sense to Sound: A State of the Art in Sound and Music Computing.

93

[Schedl, Gómez & Urbano 2014] Schedl, M., Gómez, E., and Urbano, J. (2014). Music

Information Retreival: Recent Developments and Applications

[Tan, Steinbach, Kumar] Tan, P.N. Steinnbach, M, and Kumar, V. (2006). Introduction

to Data Mining. Addison-Wesley Companion.

[Tzanetakis & Cook 2002] Tzanetakis, G., Cook, P. (2002). Human perception and

computer extraction of musical beat strength.

[Tzanetakis & Cook 2002] Tzanetakis, G., Cook, P., (2002). Music Genre Classification

of Audio Signals in IEEE Transactions on Audio and Speech Processing 2002.

[Vanden & Hubert 2005] Vanden, K,. Hubert, M., (2005). Robust Classification in High

Dimensions based on the SIMCA method, in Chemometrics and Intelligent Laboratory

Systems.

[White 1976] White, J.D. (1976). The analysis of music. Prentice-Hall Englewood Cliffs

[Wold & Sjostrom 1977] Wold, S., Sjostrom, M. (1977). SIMCA: A method for analyzing

chemical data in terms of similarity and analogy, in Kowalski, B.R., ed., Chemometrics

Theory and Application, American Chemical Society Symposium Series 52, Wash., D.C.,

American Chemical Society, p. 243-282.

arquitectura de clasificación automática de géneros

Documents