多任务学习通过寻找并共享不同任务域之间的共性特征来完成学习，利用知识迁移加速不同任务域的学习为每个任务域构建一个分类器。提出了一种基于罗杰斯特回归模型的多任务学习方法MTC-LR（Multi-taskCoupledLogisticRegression）。“罗杰斯特回归模型”已经被成功应用于单任务分类器上，该模型被众多实验证明是有效的，正是这种方法给人们带来了启示。从理论上证明了通过构造多任务分类器的“开销函数”和“差异性度量函数”，MTC-LR算法可以提高多任务分类器的各自分类精度。相比传统的基于SVM的多任务学习方法，MTC-LR并不依赖于核方法而是通过共轭梯度下降法寻找各个分类器的最