主観評価により選び出された顔画像の全てをtraining dataとしてEMCを適用し，
求められた固有ベクトルのうちk次の固有ベクトルの方向に，変換出力 
の
標準偏差 
の定数倍だけ平均顔パターンから変化させたときの顔画像 
を図
に示す．
k=1の成分はHappiness，
k=2の成分はSurprise, Disgust，
k=3の成分はAnger, Sadness
を表している傾向がある．
また，
k=230は鼻の形や眉毛の位置の特徴，
k=231は髪の毛の量
を表している傾向がある．
このように低次の成分は表情を表しており，高次の成分は他の要因による成
分を表している傾向がある．
同じく選び出された顔画像の全てをtraining dataとしてMDAを適用し，
求められた固有ベクトルのうちi次の固有ベクトルの方向に，変換出力 
の
標準偏差 
の定数倍だけ平均顔パターンから変化させたときの顔画像 を図に示す．
個人性の解析(節)と同様，MDAの固有ベクトルの表す顔画像の特
徴が明確に現れなかった．
これらの結果から，MDAよりもEMCの方が表情の合成に有効であると言える．
