Foram realizados testes com diferentes estratégias de seleção de características. Os resultados obtidos foram avaliados para determinar o melhor método de busca para selecionar características e a melhor dimensionalidade. As quatro técnicas de seleção que foram testadas são as seguintes:
primeiros coeficientes, que é a abordagem mais comum
em se tratando de coeficientes de Fourier em visão computacional (vide seção 3.2.1);
maiores coeficientes;
Os métodos automáticos SFSM e ASFSM (Métodos de Busca Seqüencial Flutuante e suas versões Adaptativas) foram escolhidso pois, até 1999, esses eram indicados como os melhores algoritmos de busca para seleção de característica (vide seção 3.3).
A base de imagens utilizada contém 146 padrões de faces e 146 padrões de
não-faces para efetuar o treinamento. Para a realização dos testes de
classificação, há outros 73 padrões por classse. Com isso, as duas classes são
suficientemente bem representadas, tanto para treinamento quando para
testes. Por isso, na realização de seleção automática de características (SFSM
e ASFSM), pode-se utilizar os resultados de classificação como função critério
da seleção de características (vide seção 3.3.3). Para os métodos
adaptativos, foram utilizados os parâmetros 
e 
, sendo
a dimensionalidade desejada. Em
ambos os métodos automáticos, foi adotada a seguinte estratégia: se
faça a busca para frente (SFFS ou ASFFS); senão 
faça a busca para
trás (SFBS ou ASFBS).
Para efetuar a seleção automática de características, os procedimentos de busca efetuam um número muito grande de avaliações dos sub-conjuntos de características (vide seção 3.3). Por isso, é importante que a função critério não consuma muito tempo de execução. Um dos classificadores mais rápidos é o de mínima distância ao protótipo (seção 2.2.4), por isso empregamos esse classificador no cálculo da função critério.