基于最大化均值-方差差异的多重空间轨迹预测方法

本发明公开了一种基于最大化均值‑方差差异的多重空间迁移学习轨迹预测方法，首先利用趋势‑周期长短时记忆神经网络和动态自注意力卷积神经网络将源域和目标域的数据映射到时、频、空三个空间中，全面表达原始数据特征的同时保留了各自特征属性。其次，提出最大化均值‑方差差异算法对齐多重空间中源域和目标域的特征分布。最后，通过循环一致对抗网络对源域和目标域的特征分布进行约束，确保域间特征迁移的可逆性和关键信息的保留。本发明提供了一种高效、准确的轨迹预测方法，具有良好的泛化性和鲁棒性。