本研究探讨了半值数据估值中效用对结果一致性的影响，揭示了数据、半值权重与效用之间的复杂关系，并提出了空间特征概念，为分类效用提供几何解释。

本文介绍了基于图的条件变分循环神经网络 (GC-VRNN) 的新方法，可同时执行轨迹插补和预测，从不完整的观测中提取空间特征并利用丢失的数据。通过实验证实了方法的出色性能，并提供了三个实践数据集。