I-SVM SVM增量学习
论文：
SVM求解：
I-SVM：
SVM的特性在于在一个完整的数据集上训练一个SVM和在这个完整数据集的支持向量（SV）上训练的结果是一样的。即 一个数据集的SV可以代替整个数据集、
数据集的SV ：距离超平面两侧最近的点
主要思想：
增量训练是在原始数据集的SV和增量数据集组成的数据上完成，所有的非SV样本点都被抛弃
缺点：SV是对于样本点之间的决策边界充分描述但是不是样本点本身。一批数据的样本点的SV很少，如果增量数据的分布很不一样，加入的SV在训练中起的作用很小
I-L-SVM