论文部分内容阅读
为了实现对人类行为的有效识别,提出了一种基于层次聚类多任务学习(HC-MTL)的人类行为识别方法。采用正则化最小二乘法制定目标函数,并对模型参数和分组信息这2个潜在的变量进行联合优化。使用聚类范数正则化方式进行多任务学习,并求解任务相关性,进而对人类行为进行有效识别。该方法打破了所有行为是独立的个人学习的假设,通过任务聚类的方式建立起多任务之间的关系,共享同类任务之间的相关信息,提高了人类行为识别的准确度。试验结果表明,与聚类多任务学习方法(CMTL)和鲁棒多任务学习方法(RMTL)相比,HC-MT