En este documento se realiza un estudio comparativo entre diferentes métodos de aprendizaje y descriptores. Para esto se realizo una base de datos con quinientas imágenes de telas, de cinco clases diferentes que fueron tomadas por medio de un celular Samsung Galaxy Ace S5830, de gama media, el cual cuenta con una cámara de cinco megapixels, con una resolución de dimensión de 2560 pixeles de ancho por 1920 pixeles de alto. Las telas seleccionadas fueron: lino, blonda, escuba, velo, acetato. Para obtener las características se plantea tres descriptores utilizando transformadas tiempo frecuencia (transformada rápida de Fourier (FFT), transformada de Wavelet, Transformada de Fourier corta en espacio (SSFT)). Se seleccionaron estas transformadas para las imágenes textiles, ya que al ser capturados por medio de una cámara las señales que aparecen son periódicas, a estas transformadas se les calcula los parámetros estadísticos con medidas descriptivas de centralización (media, moda, curtosis y desviación estándar). Estos descriptores se utilizan como característica para entrenar dos métodos de aprendizaje máquina supervisado, redes neuronales (RNA) y máquinas de soporte vectorial (SVM), los cuales tienen la característica de predecir y clasi ficar las telas con un margen de error pequeño a partir de los datos. Combinando los dos métodos de aprendizaje máquina y los clasi ficadores se busca hacer un análisis comparativo el cual determine que método presenta mejor desempeño a nivel de clasifi cación.