Análisis de cadenas derivadas de modelos desconocidos. Aplicación al análisis del cante flamenco.

332 Pages·2017·3.02 MB·Spanish

ESCUELA TÉCNICA SUPERIOR
INGENIERÍA INFORMÁTICA
Tesis Doctoral
Análisis de cadenas derivadas
de modelos desconocidos.
Aplicación al análisis del cante
flamenco.
Autor
Javier María Mora Merchán
Directores
Prof. Dr. Carlos León de Mora
Prof. Dr. Joaquín Mora Roche
Sevilla, enero 2018

Agradecimientos
Untrabajodeestascaracterísticassuelerequerirdeunesfuerzo
considerablemantenidodurantelargotiempo.Esimposiblesos-
tener dicho esfuerzo sin la ayuda de un grupo considerable de
personas.
Agradezcoprofundaysinceramente,másalládeloquepide
elprotocolo,lacontribucióndemisdirectoresdetesis.Micon-
troldeversionesestestigodelagrandiferenciaentreloqueyo
hubiera entregado en primera instancia y el trabajo final obte-
nido.Mehanguiado,motivadoyaconsejadoparaquedieralo
mejordemí.
Una tesis afecta a todos los aspectos de la vida de un docto-
rando.UngrupodepersonaseneldepartamentodeTecnología
Electrónicahanestadoalquiteparaasistirmecuandolatesisme
harestadotiempodeotrasobligacionesycompromisos.Auncon
lasmolestiasquelesheocasionado,continúansaludándomepor
el pasillo, animándome y ofreciendo su ayuda. En especial, Ja-
vier cuyo apoyo ha sido constante desde mi incorporación a la
universidad, y Diego y Enrique que demuestran una fe en mí
superioralaqueposiblementemerezco.
Larealizacióndelatesistambiénafectaenelplanopersonal.
Familiares se han movilizado para facilitarme el trabajo inten-
tando reducir las distracciones al mínimo y los amigos no han
dejadodealentarmeyperdonarmisausencias.MiInés,queto-
davíanosabequéesunatesis,peromesonríecadavezqueme
veyAntoniaquetantomesoportaymesoporta.
Atodosellos,muchasgracias.
JavierM.MoraMerchán i
ii Análisisdecadenasderivadasdemodelosdesconocidos.
Aplicaciónalanálisisdelcanteflamenco.
Índice
Agradecimientos i
Índice iii
Listado de siglas empleadas vii
Índice de figuras ix
Índice de tablas xiii
Índice de algoritmos xv
1 Introducción 1
1.1 Planteamientoinicial 1
1.2 Objetivosplanteados 5
1.3 Estructuradelatesis 6
2 Revisión del estado del problema 9
2.1 Análisisdecadenas 9
2.1.1 Definicionesútiles 13
2.1.2 Métricas 15
2.1.3 TécnicasdeAgrupación 27
2.1.4 Descriptores 36
JavierM.MoraMerchán iii
2.1.5 Reconocimientodepatronesdiscriminantes 57
2.1.6 Reconocimientodepatronesestructurales 61
2.2 Problemáticadelcanteflamenco 71
2.2.1 Característicasdelcanteflamenco 71
2.2.2 Investigacióndelflamenco 77
2.2.3 LineasdeestudiosactualesenflamencoyMIR 83
2.3 Conclusión 87
3 Herramientas de
adecuación de cadenas 89
3.1 DistanciamediaalcentroideDMC 91
3.1.1 Definiciónformal 91
3.1.2 Especializaciónencadenas 94
3.1.3 Cálculodelcentroide 101
3.2 Ingenieríadedescriptoressobrecadenas 104
3.2.1 Descriptoresgenéricos 106
3.2.2 Descriptoresdiferenciales 107
3.2.3 Descriptoresespecíficos 111
3.2.4 Construccióndevariaciones 112
3.3 Construccióndeungrafo 114
3.3.1 Técnicasdeseleccióndearcos 119
3.3.2 Añadidoparacadenasdiferenciales 123
3.4 Conclusión 124
4 Aplicación al cante flamenco 125
4.1 Introducción 125
4.2 Procedimientosdeanálisis 128
4.2.1 Preparacióndelosdatos 128
4.2.2 Procedimientosdeagrupación 132
4.2.3 Caracterizacióndecategorías 134
4.2.4 Cálculodearcos 138
4.3 Tonás 142
iv Análisisdecadenasderivadasdemodelosdesconocidos.
Aplicaciónalanálisisdelcanteflamenco.
4.3.1 Corpus 142
4.3.2 Agrupacióndetonás 145
4.3.3 Extraccióndedescriptoresdiferenciadores 159
4.3.4 Extraccióndearcosmelódicos 167
4.4 FandangosdelaprovinciadeHuelva 187
4.4.1 Corpus 187
4.4.2 Agrupacióndefandangos 191
4.4.3 Extraccióndedescriptoresdiferenciadores 197
4.4.4 Extraccióndearcosmelódicos 201
5 Conclusiones y futuras
líneas de trabajo 215
5.1 Resumen 215
5.2 Aportaciones 218
5.3 Futuraslíneasdetrabajo 219
A Sintaxis de descripción
de elementos de un algoritmo 225
B JuceTranscripcion:
Manual de usuario 229
B.1 Introducciónyprincipiosrectoresdediseño 229
B.2 Descripcióndeloscomponentesdelprograma 231
B.2.1 Identificaciónvisualdeloscomponentes
delprograma 231
B.2.2 Configuración 233
B.2.3 Loscursoresyaccionesdelratón 234
B.2.4 Vistayniveldezoom 237
B.2.5 Elteclado 238
B.2.6 Otrasfuncionalidades 238
B.3 ProcesodeTranscripción 240
JavierM.MoraMerchán v
B.3.1 Accioneshabitualesdetranscripción 240
B.3.2 Guardandoficheros,nombrandolosficheros 242
C Tablas de resultados 245
C.1 Listadodedescriptoresespecíficosdelastonás 245
C.2 Listadodedescriptoresespecíficosdel
fandangodeHuelva 255
C.3 ArcosporgrupodelfandangodeHuelva
(algoritmopair) 270
Referencias 289
vi Análisisdecadenasderivadasdemodelosdesconocidos.
Aplicaciónalanálisisdelcanteflamenco.
Listado de siglas empleadas
AMT AutomaticMusicTranscription
ASCII AmericanStandardCodeforInformationInterchan-
ge
ASL AverageShotLength
CART ClassificationAndRegressionTrees
CDF CumulativeDistributionFunction
CE ComputationalEthnomusicology
CHAID CHi-squaredAutomaticInteractionDetector
COFLA ComputationalanalysisofFLAmencoMusic
CSPA Cluster-basedSimilarityPartitioningAlgorithm
CSV Comma-SeparatedValue
DBCLASD DistributionBasedClusteringofLargeSpatialDa-
tabases
DBSCAN DensityBasedSpatialClusteringofApplications
withNoise
DE DistanciadeEdición
DEC DistanciadeEdicióndesdeelCentroide
DEMC DistanciadeEdiciónMediaalCentroide
DMC DistanciaMediaalCentroide
JCR JournalCitationReports
JMR ClasificacióndefandangosporelDr.Joaquín
MoraRoche
LCS LongestCommonSubstring
LDA LatentDirichletAllocation
LLE Locally-LinearEmbedding
LZW Lempel-Ziv-Welch
MDR MultifactorDimensionalityReduction
MDS MultidimensionalScaled
MIDI MusicalInstrumentDigitalInterface
MIR MusicInformationRetrieval
MIREX MusicInformationRetrievalEvaluationeXchan-
ge
MPEG-7 MultimediaContentDescriptionInterface
MTG MusicTechnologyGroup
MVU MaximumVarianceUnfolding
JavierM.MoraMerchán vii
NFL PrincipioNoFreeLunch
OPTICS OrderingPointsToIdentifytheClusteringStruc-
ture
ORB OrientedFASTandRotatedBRIEF
PCA PrincipalComponentAnalysis
PDDP PrincipalDirectionDivisivePartitioning
QUEST Quick,UnbiasedandEfficientStatisticalTree
SIFT Scale-InvariantFeatureTransform
SURF SpeededUpRobustFeatures
SVD SingularValueDescomposition
SVM SupportVectorMachine
THAID THetaAutomaticInteractionDetection
tf-idf TermFrecuency-InverseDocumentFrecuency
UNESCO UnitedNationsEducational,ScientificandCultu-
ralOrganization
UPGMA Unweighted Pair Group Method with Arithmetic
mean
UTF8 UnicodeTransformationFormat–8-bit
viii Análisisdecadenasderivadasdemodelosdesconocidos.
Aplicaciónalanálisisdelcanteflamenco.