Multimodal semi-supervised learning for image classi?cation (CVPR 2010)，核參數設置見該文公式2，是所有點對距離的平均值.
Sparsity preserving projections with applications to face recognition的P7左側二三兩行: 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右側最后一段: 所有點對之間平均距離的[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？他講沒什么規律，先粗調整，再仔細調整。TNNLS 2012的只是一種方式，如果這樣交叉驗證就一定取得很好的效果，那高斯核調參問題就解決了。他看了我的程序結果dm是二十多。他說理論上應該是小點好，看LibSVM缺省值是1/num_features，將核寬再調小點試試。
Libing討論 LibSVM在哪里看到SVM的高斯核的定義？
他說直接看SVM的代碼，就兩個C文件，Notepad打開libsvm-mat-3.0-1\svm.cpp，搜索RBF，在237-239行就會發現高斯核的定義: exp(-gamma*|u-v|^2)。http://m.shnenglu.com/guijie/archive/2013/09/05/169034.aspx也有