旨在确定给定数据是否属于任何类别的训练数据的新颖性检测在模式识别，机器学习等领域被认为是一个重要且具有挑战性的问题。最近，内核零空间方法（KNDA）据报道在新颖性检测方面具有最先进的性能。 但是，KNDA之所以能够进行大规模扩展，是因为其计算成本很高。 随着数据量的不断增长，加快和加快KNDA的实施速度是非常重要的。 此外，当存在连续注入的数据时，它变得无能为力。 为了解决这些问题，我们提出了基于增量空核空间的判别分析（IKNDA）算法。 关键字思想可以提取新添加的样本带来的新信息，并通过有效的