本論文では,ノンパラメトリックなパターン分類器として提案されたテスト特徴分類器(TFC)の識別性能の改良と,その実応用における可能性を検証することを目的とする.TFCでは,分類に有効な特徴量の組合せであるプライムテスト特徴(PTF)に投影された入力未知パターンに対して同時に最近傍法による識別を行い,それらの認識結果に基づく投票処理の集票スコアにより入力パターンを識別する.本手法では,PTFの特性に基づいた重み係数による重み付き投票処理を行う.これにより,各PTFの機能がより効果的に発揮され分類器の性能向上が期待できる.更に提案手法を逐次学習アルゴリズムへ拡張する.実データによる実験結果により本手法の有効性を確認した.