●当旧项目数量（|It−1|）相对于新项目数量（|It|）较多时，说明旧知识的重要性提高，此时 λt 会增大。 ●当旧示例集大小（|Et−1|）相对于当前新数据量（|Dt|）较大时，也说明需要更多依赖旧知识的约束，λt 同样会增大。

首先，对某个项目 y 的所有样本（来自 Dt ∪ Et−1）提取特征 ϕ(x)，并计算它们的平均特征向量 µ 迭代选择：接下来，针对项目 y，需要选择 m_y 个示例。每一次迭代中，从 Py 中选出一个样本，使得当前已选择的示例与 µ 的平均距离最小。具体来说，在第 k 次迭代，选择的样本 x_k 满足：这一步的式子 这一步的意思是：在考虑之前已经选出的样本的基础上，选取新的样本，使得加入这个样本后，所有选出样本的平均特征更接近总体均值 µ。

构建示例集合：重复以上步骤直到为项目 y 选择出 m_y 个示例，然后将这些示例以 (x, y) 的形式构成集合 Ey。