選び出された顔画像の全てを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．
個人性の解析(節)と同様，
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
表情識別を行った．
EMCの分離度1と識別率の関係，MDAの分離度2と識別率の関係を図
,図に示す．
個人性の解析と同様，
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
表情識別を行えば，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
表情識別を行えば，高い識別率が得られると考えられる．
