3.6　TDD-ISVM算法的时间复杂度分析

TDD-ISVM算法的时间复杂度主要包括三个方面的内容：第一部分是基于K-means聚类的概念漂移检测；第二部分是基于增量学习思想的支持向量机模型的构造；第三部分是基于伯努利分布的概念漂移检测。在K-means聚类中，假设训练集的个数为n，聚簇类别的个数为k，迭代次数为t，新窗口数据的长度为m，则第一部分的时间复杂度为O(nkt+mk)；在学习支持向量机分类器模型中，假设训练集的个数为n，数据的特征维度为d，更新分类器时支持向量的个数为Nsv，则第二部分的时间复杂度为O(dn2+dNsv2)；第三部分的时间复杂度为O(1)。所以，TDD-ISVM算法的总时间复杂度为三部分时间复杂度之和，即O(nkt+mk)+ O(dn2+dNsv2)+O(1)。