GBDT-HSM分类算法

异构表格数据领先

融合GBDT与混合结构模型，同时利用低阶和高阶信息，在异构数据分类的多个数据集上取得最优性能。

Feng, Xu · Yu-Ting, Huang · Hui, Wang · 范自柱

Pattern Recognition 2025

技术优势

异构数据也能用图学习

用GBDT处理异构特征，绕开传统GNN对复杂节点特征的困难。

低阶高阶信息都抓得到

混合结构模型基于GNN和超图神经网络，能同时捕捉低阶和高阶信息。

性能冲到最前

在四个结构化表格数据集和两个多视图数据集上达到当前最优。

应用场景

• 多模态感知分类：直接对多视图数据分类，无需手动融合特征。
• 异构传感器融合：融合异构传感器特征，提升分类准确率。
• 多源数据融合：整合多源表格数据，挖掘跨源关联。