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F1　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.