Metode penggabungan dan pemisahan model ruang eigen pada konstruksi dan rekonstruksi data, tidak dapat digunakan untuk data yang berjumlah lebih besar dari ukuran dimensi data. Untuk mengatasi masalah tersebut, metode penggabungan dan pemisahan matriks kernel berbasis kernel PCA diajukan untuk membentuk matriks transformasi ang akan diguankan untuk mengkonstruksi dan merekonstruksi data. Kontribusi utama dari metode ini adalah, bahwa proses pembentukan matriks transformasi dilakukan melalui matriks kernel pada ruang kernel, sehingga jumlah data yang melebihi ukuran dimensi data tidak lagi menjadi kendala . Kontribusi lain dari metode ini adalah, pembentukan matriks kernel dapat dilakukan secara bertahap, baik dalam bentuk penggabungan maupun pemisahan dua buah matriks kernel. Metode ini sangat baik untuk digunakan jika jumlah data jauh lebih besar dari ukuran dimensi data. Metode ini juga baik untuk digunakan ketika data tidak tersedia secara bersamaan pada basis data. Hasil eksperimen dengan menggunakan data citra wajah tiga dimensi menunjukkan bahwa metode yang diajukan menghasilkakn nilai kesalahan relatif rata-rata antara data citra awal dan data citra hasil rekonstruksi hampir mendekati nol. Dari eksperimen juga ditujukan bahwa metode ini mampu meningkatkan kecepatan waktu proses pembentukan matriks transformasi minimal dua kali lebih cepat. Dalam abad digital saat ini, dimana pengelolaan basis data sangat dinamis, maka metode ini sangat baik untuk diterapkan.