题目要求：将视频数据视为一个三维数据块，从中随机采样一定数量局部视频块，并将它们向量化用于训练一个autoencoder网络，该网络将用于提取局部特征。将来自每个视频的局部特征进行聚合，成为一个全局特征并用于分类任务。

这个问题涉及到将视频数据作为三维数据块进行处理，并利用autoencoder网络来提取局部特征并将其聚合为全局特征进行分类任务。我会按照以下步骤进行解答：

1. 视频数据处理：将视频数据视为一个三维数据块，其中一个维度表示时间，另外两个维度表示空间。可以将视频分割成多个局部视频块，每个块包含连续的帧。这样可以获得多个局部视频块作为训练样本。

2. 随机采样：从视频数据中随机采样一定数量的局部视频块。这些块可以在时间和空间上具有不同的大小。采样的目的是获取足够多的局部特征样本，以便训练autoencoder网络。

3. 向量化和训练：将每个局部视频块向量化，并使用这些向量作为输入训练一个autoencoder网络。Autoencoder网络是一种无监督学习方法，用于学习数据的压缩表示。通过自编码器的编码器部分，可以提取出局部特征。

4. 聚合全局特征：对于每个视频，从其局部特征中聚合出一个全局特征。可以通过简单的平均或加权平均等方式进行聚合。这个全局特征将包含整个视频的信息，用于表示视频的整体特征。

5. 分类任务：使用聚合后的全局特征来进行分类任务。可以使用标准的分类算法，如支持向量机（SVM）或神经网络，将全局特征输入到分类器中进行训练和预测。

通过这个过程，我们可以利用autoencoder网络从视频数据中提取局部特征，并将其聚合为一个全局特征，用于视频分类任务。这种方法可以充分利用视频数据的时空信息，提高分类性能。