本文提出了一种新的持续性学习方法，结合记忆库和反应子空间缓冲区，以解决数据流挖掘和连续学习中的问题。通过更新原型和使用虚拟原型，提升在线学习效果。研究还探讨了文本漂移的生成方法、增量分类器的性能，以及基于社交网络的动态集合方法，展示了在概念漂移情况下的优越性。