近年の情報技術の急速な発展はデータの継続的な収集を可能とした．蓄積されるデータは重要な経済資源とみなされており，種類・量ともに日々増加する膨大なデータから人が容易に理解できる形式で知識を獲得する手法が研究されている．ファジィ遺伝的機械学習（GBML）は，言語的に解釈可能なファジィ識別器を設計する手法の一つである．しかし，ファジィGBMLの学習アルゴリズムは一括学習であり，未知のクラスに属するデータが継続的に与えられる状況での知識の獲得（クラス増分学習）を行うことが困難である．そこで本研究では，従来のファジィGBMLをクラス増分学習可能なアルゴリズムに拡張する．具体的には，クラス増加時に，i)未知クラスを識別するルールの再構成，ii)学習済みのクラスに属するデータの削減の2つの操作を従来のファジィGBMLに加える．数値実験結果より，提案手法が未知クラスを効率的に学習可能であることを示す．
