在本文中，我们提出了一种新的正则化形式，该形式能够利用数据集的标签信息来学习内核。 提出的正则化，称为理想正则化，是要学习的内核矩阵的线性函数。 理想的正则化使我们能够开发有效的算法来利用标签。 考虑了理想正则化的三个应用。 首先，我们使用理想的正则化将标签合并到标准内核中，从而使生成的内核更适合于学习任务。 接下来，我们采用理想的正则化从初始内核矩阵（包含先验相似性信息，几何结构和数据标签）中学习与数据相关的内核矩阵。 最后，我们将理想的正则化方法整合到了一些最新的内核学习问题中。 通过这种正