论文部分内容阅读
训练样本的质量直接影响到训练阶段的训练质量（或效果），进而在一定程度上影响到测试阶段的分类精度。训练样本的代表性和典型性则反映出训练样本质量的一个重要方面。对于当前非常流行的深度学习模型研究，如何尽可能地减少训练样本的数量，一方面成为一个非常“棘手”的问题，另一方面从实际应用的角度来看，这也上升为一个经济或成本方面的问题。文章提出一种适用于训练样本选择的斜交因子模型方法，该方法松弛了Q型因子分析和对应分析对于公因子之间独立的假设条件，并在斜交参考解的基础上提出一种适合训练样本选择的近似求解斜交旋转的