增量学习方法的思想是仅利用部分相关的样本集参与训练，即能够保留历史样本知识，又能够不断地吸收新的知识，提高机器学习效率和精度，解决了大量样本训练时间长和存储空间不足的问题。因此，如何有效地丢弃大量无效的样本点是增量学习算法研究的重点。文中提出了一种FCM（Fuzzy C-Means）和KKT（Karush-Kuhn-Tucker）条件结合的增量学习方法，分别从历史样本集和新增样本集两个阶段对无效样本进行过滤，利用余下的样本进行训练。最后，利用UCI数据库中的4组数据进行实验分析，结果证明训练精度