サポートベクターマシン（SVM）は、マージン最大化によって優れた汎化性を持つ線形分類器として近年多くの注目を集めている。我々は、これまで分離境界線を近似するCoarse-to-FineというTwo-stepモデリング法が提案されている。そこでは、Two-stepモデリング法のCoarse-stepで、回帰ベクターの内積で定義される中間モデルを構築し、Fine-stepで、Coarse-stepで得られた中間モデルを準線形カーネル関数として利用し、マージン最大化でSVM分類器を構築する。本研究では、Autoencoder（教師なし学習）および多層パーセプトロン（教師あり学習）による中間モデルとして準線形カーネル関数の構築を行い、不均衡データにも対応できる準線形SVM分類器の構築を行った。