一种面向异构多模态数据的热感知影响因素识别方法

本发明公开一种面向异构多模态数据的热感知影响因素识别方法，包括步骤：S1、通过静态实验和动态实验同步采集多维异构数据；S2、对采集的多维异构数据进行预处理；S3、构建包含环境‑生理‑行为多维特征的热感知数据集；S4、采用XGBoost模型对热感觉进行分类预测，将构建的多模态数据集按8:2划分为训练集和测试集，分别针对静息状态和活动状态输入模型XGBoost训练，并结合模型性能评估的多维指标验证模型有效性；S5、引入SHAP方法分析各多维特征贡献度分析，分别得到静息状态和活动状态各多维特征对其热感知预测结果影响程度。本发明解决了现有环境数据感知模型在单一维度的数据采集导致因素识别不够全面，无法量化各特征对预测结果的贡献度的问题。