针对网络数据流异常检测，既要保证分类准确率，又要提高检测速度的问题，在原有数据流挖掘技术的基础上提出一种改进的增量式学习算法。算法中建立多模型轮转结构，在每次训练中从几何角度出发求出当前训练样本集的支持向量，选择出分布于超平面间隔中的支持向量进行增量SVM训练。使用UCI标准数据库中的数据进行实验，并且与另外两种经典分类模型进行比较，结果表明了方法的有效性。