ファジィc平均識別器（Fuzzy c-Means Based Classifier, FCMC）はクラスタリングを基にした識別器であり，訓練データが大量であればクラスター数を多くすることで訓練データに対する精度を向上できると考えられ，そのような性能比較も行われている．一方，テストデータに対する性能（汎化性能）はクラスター数を増やしても必ずしも改善されない．特に比較的少量の訓練データでは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．クラス毎のクラスター数を２とし，1000件以下の訓練データでの性能は既に報告されている．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．