データベースの全ての顔画像をtraining dataとしたときのEMC,MDA,PCAの分離
度1，分離度2を図
,図に示す．
尚，変換後のベクトルの成分は固有値の大きい成分から順に並べた．
分離度1ではEMC，分離度2ではMDAが高い分離度を得た．
次に，単一の固有ベクトルで射影した成分を用いてtraining dataについて個
人識別を行った．
個人識別には入力パターンの射影成分 
との距離が最短となる辞書パター
ンの射影成分 
(training dataのmについての 
の
平均; 
)に対応するfを入力顔画像の識別結果とした．
距離は次式によって与えられる距離 
を使用した．
EMCの分離度1（EMCの固有値）と識別率の関係，MDAの分離度2（MDAの固有値）
と識別率の関係を図，図に示す．
図から，
EMCの固有値が正の固有ベクトルでは識別率が高く，
負の固有ベクトルでは識別率が低くなっていることがわかる．
このため，EMCでは固有値が正の固有ベクトルで射影した成分のみを用いて
個人識別を行えば，高い識別率が得られると考えられる．
一方，図から，
MDAの固有値と識別率に相関があることがわかる．
このため，MDAでは固有値が大きい固有ベクトルで射影した成分を用いて識別
を行えば，高い識別率が得られると考えられる．
