一种跨域迁移时空集成网络方法

本发明属于移动流量预测技术领域，具体涉及一种跨域转移时空集成网络方法，包括以下步骤：S1、构建集成学习模型，利用集成学习对基础学习者进行初始训练，并结合时空网络捕获时空特征，用于克服在多维时空跨域环境中存在的不稳定性和过拟合的缺点，其中，集成学习模型包括交通数据集结构、光谱聚类、长短期记忆(LSTM)和卷积神经网络(CNN)。本发明提出了一种新的迁移学习算法，该算法从数据丰富的源域数据中训练移动交通预测模型，然后将模型迁移到具有稀疏数据的移动边缘网络环境中，以提高模型的预测精度，同时提出了一种新的迁移映射框架，即从经验数据中学习反射函数并优化反射函数，以预测何时迁移或如何转移以获得最佳的预测性能。