We have already proposed pdi-Bagging as one of ensemble learning methods of クラスタリングのアンサンブル学習法の一つとしてpdi-Baggingが提案されている．しかし，正判別型では，バーチャルデータの発生位置をデータ空間の全領域としているため精度が安定しない．また，発生クラスの変更の評価指標が単次元で定義されているので評価指標の精度が高くない．本論文では，バーチャルデータの発生領域を特定化して，発生クラスを変更する新たな手法を提案する．判別線の領域に集中してバーチャルデータを発生させて，正誤判別データの分布性と方位性を考慮して発生領域を特定化する．また，多次元上で正誤判別データとの類似度を導入した新たな評価式を定義する．ここでは，pdi-Baggingのアルゴリズムを定式化し数値例により本手法の有用性を議論する．
