~回顾了一种多核学习( multiple kernel learning，MKL) 方法-lp范数约束的多核Fisher 判别分析( lp regularizedmultiple kernel Fisher discriminant analysis，MK-FDA) ，研究了固定范数和p 范数下MKL 的性能对比，并针对原始特征空间必然存在噪点的现象，对在特征空间去噪之后的MKL 方法的效果进行了探索。在VOC 2007 数据集上的实验结果表明，lp-MK-FDA 无论使用原始核函数或者去噪后核