该研究提出了一种顺序稳健的类增量学习模型，解决了类相似性顺序对模型性能的影响。通过图驱动的动态相似性分组方法，提升了模型的泛化能力和抗遗忘能力，实验证明其在准确性和防遗忘性能上表现优异。
完成下面两步后，将自动完成登录并继续当前操作。
