抄録
ファジィｃ平均識別器はクラスタリングを基にした識別器であり，クラスター数を多くするとオーバーフィットするだけでなく，各クラスターに含まれる訓練データが少なくなるために，共分散行列やクラスター中心が正確に求まらず性能が悪くなる．本論文では大量訓練データを用いて訓練データ数が変化した場合の性能をクラス毎のクラスター数を8 まで増やして比較する．訓練データが比較的少量の場合を考慮し，識別器はクラスター数を余り多くせずに，逆に訓練データに対して最適化するパラメータ数を多くした場合の比較とする．世界的に実用可能なツールとして認められているLibSVM を用いて，訓練データ数が変化することによるテストデータの識別精度と訓練時
間とテスト時間（検出時間）への影響を比較する．訓練データが10 倍になった時の訓練時間は，FCMC では10 倍になるが，LibSVM では約100 倍になる．
