基于动态调整多采样区域的低维K中心数据遴选的方法及系统

本发明提出了一种基于动态调整多采样区域的低维K中心数据遴选的方法及系统。方法包括：S1、根据损失预测网络度量未选择训练数据集中样本不确定性；S2、根据样本的不确定性对未选择的训练数据集中的样本进行排序；S3、根据排序后的结果，将未选择训练数据集中样本按不确定性划分为不确定性最大和不确定性渐进多个采样区域；S4、迭代过程中动态调整区域权重调整多个采样区域的大小；S5、将多采样区域内样本特征投影到低维空间；S6、在低维空间中K中心贪婪采样，选择出具有代表性的样本添加到训练子集；S7、根据S6中的训练子集训练目标模型和损失预测网络，并根据训练后的损失预测网络，执行S1到S6，直到训练子集样本数量达到预先设定个数。