央廣網(wǎng)大連1月19日消息（記者張四清 賈鐵生 通訊員張平媛）利用50余種常見的社會事件作為基礎(chǔ)，通過不同場景、人物等變化，形成6000余部人類行為視頻。坐在電腦前，輸入一段未知小視頻，敲上代碼……無論經(jīng)過任何修飾與偽裝，都“無所遁形”，計算機會在60秒內(nèi)顯示結(jié)果：視頻中的人在做什么事一目了然。這是大連理工大學電子信息與電氣工程學部孔祥維教授團隊進行的視頻分類實驗，它可應(yīng)用于社會事件分類，在反恐防暴中讓極端分子沒有“藏身之所”。

　　以此技術(shù)為基礎(chǔ)，該團隊成員碩士研究生郭君研發(fā)了模式分類領(lǐng)域全新分支，相關(guān)研究成果被第30屆美國人工智能協(xié)會年會（The AAAI Conference on Artificial Intelligence，簡稱AAAI）正式錄用為大會口頭報告，并受到國家自然科學基金青年項目、面上項目及創(chuàng)新研究群體項目的聯(lián)合資助。

　　該研究成果應(yīng)用于模式分類場景下的判決解析型字典學習算法。模式分類是人工智能系統(tǒng)面對紛繁復(fù)雜的數(shù)據(jù)時，從中提取出有意義信息時所采取的關(guān)鍵處理步驟。以視頻分類為例，模式分類的任務(wù)就是找出某“類”事物的“本質(zhì)屬性”，即所有成員的共同性質(zhì)。

　　據(jù)悉，在模式分類中，稀疏字典學習已成功應(yīng)用于基于視頻、圖像、語音等的許多任務(wù)中，然而，這些方法都集中于綜合型字典學習的框架。作為字典學習的另一個主要分支，解析型字典學習卻因為其判決力較低而沒有在模式分類應(yīng)用中被完全開發(fā)。

　　該研究成果提出了一種判決解析型字典學習算法，極大地提升了解析型字典學習在模式分類場景下的判決力。應(yīng)用此方法不僅能顯著提高解析型字典學習的判決力，其性能也比其它前沿的綜合型字典學習方法好。這也改變了解析型字典學習在模式分類應(yīng)用中被長期棄用的狀態(tài)，開辟了模式分類領(lǐng)域一個新的研究分支，為人工智能系統(tǒng)通過模式分類處理大數(shù)據(jù)提供了新的技術(shù)支撐。