基于深度学习和门控网络的多图谱数据分类方法及系统

本发明涉及医学信号智能处理技术领域，提出了一种基于深度学习和门控网络的多图谱数据分类方法及系统，引入了堆叠稀疏去噪自编码器对特征进行无监督预训练，获取其潜在表示的权重参数。随后，这些参数被迁移至Transformer模型的编码器中的前馈神经网络部分，用作其初始化参数，并在此基础上进行微调训练，提高训练初期的稳定性和收敛速度。接着，将不同图谱编码后的特征送入各自的分类器，获得多个图谱的初步分类预测结果。通过计算这些预测结果的统计特征，输入至门控网络，动态学习每种图谱的重要性权重。最后，对各图谱的预测结果按权重加权融合，输出最终分类结果。