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)的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