摘要：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-MTL方法可以发现任务的潜在相关性,有助于诱导群体多任务学习。通过同一类任务之间的共享信息,减少了误差,并提高了行为识别的精确度。

关键词：行为识别 多任务学习 任务相关性 层次聚类 任务分组 

单位：西安工程大学电子信息学院; 陕西西安710048