Я бы эту задачу решал при помощи HMM - hidden markov model - в первом приближении. Я слышал, что ФБР при помощи HMM описывает достаточно точно голос любого человека при помощи всего 16 параметров (точно настолько, насколько нужно отличать голос одного человека от другого). Взял бы сначала и построил бы скрытые марковские модели для набора минорных и мажорных мелодий, а потом - (возможно при помощи support vector machines) проверил, образуют ли они два кластера, которые группируют отдельно минорные и мажорные мелодии. Если да, то это был бы уже большой успех, если нет, то применил бы метод максимальной энтропии, так как он луччче.