本稿では，Boost 学習により実際に得られる弱識別器とその重みを用いて， 簡易に非線形な識別境界の構築に際して有用な特徴評価 を行うことを提案する．従来の評価方法と異なり，本手 法を用いた特徴評価の有用性，精度は構築する識別器の 性能が自ずと保証しており，弱識別器を変更することで 様々な問題に柔軟に対処できる．次に，得られた特徴評価値とPCA，MDA との比較実験を行い，提案する貢献 度との関係を示す．最後に，貢献度の利用法として，貢 献度を用いたBoosting 識別器の調整を提案する．
本稿では，Boost 学習により実際に得られる弱識別器とその重みを用いて， 簡易に非線形な識別境界の構築に際して有用な特徴評価 を行うことを提案する．従来の評価方法と異なり，本手 法を用いた特徴評価の有用性，精度は構築する識別器の 性能が自ずと保証しており，弱識別器を変更することで 様々な問題に柔軟に対処できる．次に，得られた特徴評価値とPCA，MDA との比較実験を行い，提案する貢献 度との関係を示す．最後に，貢献度の利用法として，貢 献度を用いたBoosting 識別器の調整を提案する．