为研究改建房结构安全问题并提升模型预警精度，采用“文本-图像融合”、“信息再生成”和“智能优化模型参数”　3个方法建立三阶提升预警模型。首先构建基础预警模型：选取VGG16、ResNet50等4种图像识别模型进行迁移学习，将性能最优者作为基础预警模型；之后进行第1次预警精度提升：收集测试集中对应的文本信息，经独热编码等预处理后与图像信息“融合”,优选随机森林等5种算法以提升预警精度；然后进行第2次精度提升：采用过采样-深度卷积生成对抗网络(SMOTE-DCGAN)策略提高模型对隐患改建房的“捕捉”能力；最后，使用金豺优化算法进行第3次提升。研究结果表明：DenseNet121模型更能抓取到隐患改建房图像特征；改建房结构安全预警模型最优的是支持向量机(SVM),准确率为82.5%;使用SMOTE-DCGAN策略后，表现最佳的SVM和XGBoost,其隐患改建房的召回率分别提升10和5个百分点；金豺优化算法下的“SMOTE-DCGAN-SVM”准确率、召回率、精确率和F_1值再次提升7.0、7.5、10.5和9.1个百分点。研究结果可为相关部门排查改建房安全隐患提供技术支持。