Explorando diferentes estratégias para classificação de gênero musical

A possibilidade de streaming e a facilidade de download de músicas na internet em computadores e dispositivos portáteis tornam vitais sistemas inteligentes para classificação automática de gênero musical (AMGC). Os sistemas de AMGC baseados na análise de metadados vinculados aos arquivos de música podem não ser precisos, e a classificação geralmente é feita por artista ou por álbum, não por música. Outros sistemas exploram o conteúdo tímbrico e rítmico das músicas, como por exemplo a obtenção de MFCCs como parâmetros, sendo LDA, SVM e GMM os classificadores mais explorados. O objetivo deste trabalho é investigar se entropia baseada em wavelet, dimensão de fractal e lacunaridade são bons parâmetros para caracterizar sinais musicais e possibilitar uma boa classificação baseada apenas nestas entidades, ao invés de informações musicais. Os classificadores adotados são SVMs e GMMs. Para os testes, duas coleções foram criadas: uma baseada em três estilos (blues/música clássica/lounge) e outra baseada em 4 estilos brasileiros (axé/bossa-nova/forró/samba).