一种可解释的任务特定跨城市迁移学习方法

本发明公开智慧城市和跨城市迁移技术领域的一种可解释的任务特定跨城市迁移学习方法，步骤如下：基于深度矩阵分解算法，动态提取源城市的CTS区域、利用城市POI和路网数据的辅助信息计算源城市与目标城市之间的相似性，选择出相似度最高的CTS区域、将选择出相似度最高的CTS区域的数据迁移至目标城市，并通过深度矩阵分解技术对目标城市的数据进行补全，本发明有效克服了现有跨城市知识迁移技术中的计算开销大，迁移效果低和可解释性差等问题，显著减少了计算复杂度，并提升了对目标任务的适应性和迁移的准确性。此外，能够清楚识别哪些区域对目标城市有利，并在数据稀缺的情况下，实现了高效的数据补全。