Methoden zur Erkennung von Gesichtsausdrücken verwenden eine Kombination geometrischer und auf Erscheinungsmerkmalen basierender Features. Räumliche Features werden aus Verschiebungen von Gesichtslandmarken abgeleitet und tragen geometrische Informationen. Diese Features werden entweder auf der Grundlage vorheriger Kenntnisse ausgewählt oder aus einem großen Pool durch Dimensionsreduktion gewonnen. In dieser Studie generieren wir eine große Anzahl potentieller räumlicher Features unter Verwendung zweier Kombinationen von Gesichtslandmarken. Unter diesen suchen wir nach einem beschreibenden Feature-Unterensemble mittels sequentieller Vorwärtsauswahl. Das ausgewählte Feature-Unterensemble wird verwendet, um Gesichtsausdrücke im erweiterten Cohn-Kanade-Datensatz (CK+) zu klassifizieren, und erreichte dabei eine Erkennungsgenauigkeit von 88,7%, ohne irgendeine auf Erscheinungsmerkmalen basierende Feature zu nutzen.