针对概念漂移问题，构建数据特性随时间发生渐进变化特点的分类学习模型，提出一种基于渐进支持向量机（G-SVM）的渐进多核学习方法（G-MKL）。该方法采用支持向量机（SVM）为基本分类器，进行多区间上的子分类器耦合训练，并通过约束子分类器增量方式使模型适应数据渐进变化特性，最终将多个核函数以线性组合方式融入SVM求解框架。该方法综合发挥了各个核函数的优势，大大提高了模型适应性和有效性。在具有渐变特性的模拟数据集和真实数据集上将所提算法与多种经典算法进行了对比，验证了所提算法在处理非静态数据问题的有效性。
