The amount of music available is huge, specially if we consider free non-commercial music. In order that users can discover artists we need to design retrieval or recommendation systems which are able to organize all the available resources. Genre classification is a first step on that direction. Genre classification typically are based on supervised classification. First, the system extract classic features related to dynamic, rhythmic, spectral, and harmonic. Then a classifier (e.g. SVM) is trained to decide the genre from the extracted features. Recently, SoundNet

In this project different features of the music signals are studied and evaluated, for a better understanding of its behaviour from the technical point of view, to attribute similar patrons to the different genres studied, and also be able to differentiate them. In order to differentiate one genre from each other and find some similarities between the audio tracks of the same genre, some specific features are extracted: statistical descriptors, dynamic and psycho-acoustical features, and frequency component features. With the information extracted from these features, a comparison with some aspects from the theoretical definitions of music genres is done to corroborate their specific characteristics. In the last part of the project, the rhythm features are extracted and classified by a support vector machine, to evaluate the obtained results. The results obtained show that some music genres, like classical music or jazz, are easy to differentiate from the other genres. Moreover, there are other genres, like metal, disco or hip hop, that some of their features are mostly equal in all data set, being easy to establish common patterns on them.

En este proyecto se estudian y evalúan diferentes características de las señales musicales, por entender mejor su comportamiento des de un punto de vista técnico, y poder atribuir patrones similares a los diferentes géneros musicales, además de poder diferenciarlos entre ellos. A partir de la extracción de algunos descriptores estadísticos, el estudio de características dinámicas y psicoacústicas, y el análisis en frecuencia de la base de datos, se intentan encontrar ciertos patrones en su comportamiento, que diferencien los 10 géneros musicales. Por otro lado, se intentan buscar similitudes con las definiciones teóricas que se les atribuyen. En la parte final del proyecto, se extraen las características rítmicas, para finalmente terminar clasificando la base de datos con máquinas de soporte vectorial, y poder así evaluar los resultados obtenidos. Los resultados obtenidos muestran cómo ciertos géneros musicales, cómo la música clásica o el jazz, se diferencian en muchos aspectos del resto de géneros, y de manera muy clara. Además, hay otros géneros, cómo el metal o la música disco, los cuales algunas de sus características tienen un comportamiento prácticamente igual en toda la base de datos y hace que sea fácil establecer un patrón entre ellos.

En aquest projecte s'estudien i avaluen diferents característiques dels senyals de música, per tal d'entendre millor el seu comportament, i poder atribuir patrons similars als diferents gèneres musicals, a més de poder diferenciar-los entre ells. A partir de l'extracció d'alguns descriptors estadístics, l'estudi de les característiques dinàmiques i psico-acústiques, i l'anàlisi freqüencial de la base de dades, s'intenten buscar certs patrons en el comportament de les característiques mencionades, que diferenciïn els 10 gèneres musicals. Per altra banda, s'intenten buscar similituds amb les definicions teòriques que se'ls hi atribueixen. A la part final del projecte, s'extreuen les característiques rítmiques, per finalment acabar classificant la base de dades amb màquines de suport vectorial, per així avaluar els resultats obtinguts. Els resultats obtinguts mostren com certs gèneres musicals, com la música clàssica o el jazz, es diferencien en molts aspectes de la resta de gèneres musicals i de manera molt clara. A més, hi ha altres gèneres, com és el cas del metall o la musica disco, els quals algunes de les seves característiques tenen un comportament pràcticament igual en tota la base de dades i fa que sigui senzill establir un patró entre ells.