一种面向多元时序重症监护数据分类的多尺度信息融合神经网络建模方法

本发明提出了一种面向多元时序重症监护数据分类的多尺度信息融合神经网络建模方法，属于数据处理技术领域。具体为：收集多元时序重症监护数据及相应的标签数据，应用表征学习模型提取具有区分性和代表性的多元时序表征数据。采用不同长度的时间窗口划分表征数据，并通过全局最大池化操作获取对应的实例级表征数据。基于相似性的尺度筛选原则确定用于集成建模的多尺度表征数据集合。针对筛选结果，利用极限梯度提升决策树对特征重要性进行量化识别后进行重排序。将重排序数据划分为多个特征子集，建立分层宽度网络模型，实现对应尺度下的分类预测。使用加权平均方法融合所有基模型的分类预测结果，得到最终的决策输出。