基于多任務(wù)學(xué)習(xí)的行為識別研究.pdf

1、多任務(wù)學(xué)習(xí)是機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘研究領(lǐng)域的前沿課題。多任務(wù)學(xué)習(xí)的目標(biāo)是通過利用多個相關(guān)任務(wù)之間的內(nèi)在相關(guān)性，來提高其泛化能力。在許多現(xiàn)實(shí)分類問題中，多任務(wù)學(xué)習(xí)已被證明相比于傳統(tǒng)單任務(wù)學(xué)習(xí)更有效。比如，在智能交通上，生物信息學(xué)，web搜索排名，疫苗設(shè)計等等。但在一些真實(shí)應(yīng)用中，多任務(wù)中存在不相關(guān)（異常）任務(wù)。與此同時，對具有高維特征的訓(xùn)練樣本進(jìn)行多任務(wù)學(xué)習(xí)時，特征維度往往是遠(yuǎn)大于訓(xùn)練樣本的。為了同時解決多任務(wù)學(xué)習(xí)中的異常任務(wù)問題和特征選擇問

2、題，因此本文對多任務(wù)學(xué)習(xí)展開研究。本文的主要工作和貢獻(xiàn)有三個方面:
　　1)我們把多任務(wù)學(xué)習(xí)的思想和屬性學(xué)習(xí)的思想結(jié)合起來應(yīng)用于人體行為識別問題。采用多任務(wù)學(xué)習(xí)方法來研究目標(biāo)任務(wù)和屬性任務(wù)之間的聯(lián)系，并且充分利用其關(guān)系對行為識別問題進(jìn)行建模，得到多任務(wù)行為識別模型。實(shí)驗(yàn)結(jié)果表明，我們的方法表現(xiàn)出了很強(qiáng)的競爭力。
　　2)在實(shí)際的行為識別應(yīng)用中，基于跡范數(shù)正規(guī)化的多任務(wù)學(xué)習(xí)能夠很好的學(xué)習(xí)任務(wù)之間的相關(guān)性，但訓(xùn)練出來的模型參數(shù)是

3、稠密的，所以模型特征不具有較好的判別能力。為了解決這個問題，我們在模型參數(shù)訓(xùn)練過程中引入稀疏項(xiàng)，選出原始特征空間中具有較好判別能力的特征。為了快速實(shí)現(xiàn)上述低秩非光滑凸優(yōu)化問題求解，我們引入自適應(yīng)懲罰線性交替方向法，從而提高多任務(wù)行為識別的性能。
　　3)在絕大數(shù)的多任務(wù)行為識別方法中，它們假設(shè)所有的任務(wù)是相關(guān)的。但許多多任務(wù)行為識別方法存在異常任務(wù)。為了解決多任務(wù)學(xué)習(xí)問題中的異常任務(wù)問題，我們提出了基于任務(wù)相關(guān)結(jié)構(gòu)的多任務(wù)行為識別