Multimodal semi-supervised learning for image classification (CVPR 2010),核参数设置见该文公式2,是所有点对距离的平均值.
Sparsity preserving projections with applications to face recognition的P7左侧二三两行: 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)P1747右侧最后一段: 所有点对之间平均距离的[1/8 1/4 1/2 1 2 4 8]倍
20150420和Libing讨论,为什么FRGC LBPLDA在采用高斯核效果那么差?他讲没什么规律,先粗调整,再仔细调整。TNNLS 2012的只是一种方式,如果这样交叉验证就一定取得很好的效果,那高斯核调参问题就解决了。他看了我的程序结果dm是二十多。他说理论上应该是小点好,看LibSVM缺省值是1/num_features,将核宽再调小点试试。

Libing讨论 LibSVM在哪里看到SVM的高斯核的定义?
他说直接看SVM的代码,就两个C文件,Notepad打开libsvm-mat-3.0-1\svm.cpp,搜索RBF,在237-239行就会发现高斯核的定义: exp(-gamma*|u-v|^2)。http://www.cppblog.com/guijie/archive/2013/09/05/169034.aspx也有