La clasificación de imágenes es una de las tareas más importantes en la era digital. En términos de patrimonio cultural, es importante desarrollar métodos de clasificación que obtengan buena precisión, pero que también sean menos intensivos computacionalmente, ya que la clasificación de imágenes suele utilizar conjuntos de datos muy grandes. Este estudio tiene como objetivo entrenar y probar cuatro algoritmos de clasificación: (i) el perceptrón multicapa, (ii) estimadores de dependencia promedio, (iii) bosque penalizando atributos, y (iv) el vecino más cercano, conjuntos ásperos y razonamiento basado en analogías, y compara estos con los resultados obtenidos de la Red Neuronal Convolucional (CNN). Se extrajeron tres tipos de características de las imágenes: (i) el histograma de bordes, (ii) la disposición de color, y (iii) los coeficientes JPEG. Los algoritmos fueron probados antes y después de aplicar la selección de atributos, y los resultados indicaron que el mejor rendimiento de clasificación se obtuvo para el perceptrón multicapa en ambos casos.