Multimodal semi-supervised learning for image classi?cation (CVPR 2010)，核參數(shù)設(shè)置見(jiàn)該文公式2，是所有點(diǎn)對(duì)距離的平均值.
Sparsity preserving projections with applications to face recognition的P7左側(cè)二三兩行: The heat kernel parameter t in LPP is empirically chosen as the mean norm of the samples.
Discriminative Least Squares Regression for Multiclass Classification and Feature Selection (TNNLS 2012)的P1747右側(cè)最后一段: 所有點(diǎn)對(duì)之間平均距離的[1/8 1/4 1/2 1 2 4 8]倍
20150420和Libing討論，為什么FRGC LBPLDA在采用高斯核效果那么差？他講沒(méi)什么規(guī)律，先粗調(diào)整，再仔細(xì)調(diào)整。TNNLS 2012的只是一種方式，如果這樣交叉驗(yàn)證就一定取得很好的效果，那高斯核調(diào)參問(wèn)題就解決了。他看了我的程序結(jié)果dm是二十多。他說(shuō)理論上應(yīng)該是小點(diǎn)好，看LibSVM缺省值是1/num_features，將核寬再調(diào)小點(diǎn)試試。
Libing討論 LibSVM在哪里看到SVM的高斯核的定義？
他說(shuō)直接看SVM的代碼，就兩個(gè)C文件，Notepad打開(kāi)libsvm-mat-3.0-1\svm.cpp，搜索RBF，在237-239行就會(huì)發(fā)現(xiàn)高斯核的定義: exp(-gamma*|u-v|^2)。http://www.shnenglu.com/guijie/archive/2013/09/05/169034.aspx也有