选用一种组合模式识别系统：特征提取算法（ FLDA、K-L变换，或基于欧氏距离J2判据）+分类器（最近邻NN分类器、KNN分类器、最小中心分类器、Bayes分类器、SVM）；再将或faceR和faceS合并，采用K-folds cross validation训练并测试分类器的性能（分类准确率）作出评估。 用MATLAB、或者Python、Java、 C++等编程实现模式识别的整个过程（可以直接调用相关的函数）。

为了获得具有较高识别率的算法, 提出了一种将 Fisher 线性鉴别分析 ( Fisher Linear Discriminant Analysis) 、复主分量分 析 ( Principal Analysis in the Complex Space) 与隐马尔可夫模型 ( Hidden Markov Models) 相结合进行人脸识别的方法。对于输入 的不同光照、人脸表情和姿势的图像先进行归一化处理, 然后将归一化后的图像转化成一维向量, 再用 FLDA 方法提取每幅图像 的特征, 形成新的复向量空间; 通过运用复主分量分析, 来抽取人脸图像的有效鉴别特征; 最后通过 HMM对这些特征进行训练, 得到一个优化的 HMM并应用于识别。在 ORL人脸数据库中进行实验, 实验结果表明, 该方法具有较高的识别率。

用于特征降维，鉴别分析等多元数据分析的fisher鉴别分析（FLDA）Matlab代码实现。