高斯径向基核函数（Gaussian radial basis kernel function），理学-计算机科学技术-计算机应用-多媒体计算-模式识别-非线性特征提取-核方法，常用有效的非线性核函数之一。设与是任意两个样本对应的特征向量，是尺度参数，则高斯径向基核函数定义为：核函数最重要的特点之一是在使用过程中不需要显式的表达出对应的非线性映射，而只需要通过内积或格拉姆（Gram）矩阵来表达核函数的值。高斯核函数通过上述指数函数形式计算出样本之间的相似度量。高斯径向基核函数属于典型核（characteristic kernel），对应的（隐式）非线性映射具有一定的单射性质，核矩阵具有正定性。这一系列好的性质决定了高斯径向基核函数在特征分析（比如核主成分分析）、度量学习、分类器优化（比如基于核的支持向量机）等任务上有着广阔的应用空间，因而在计算机视觉与机器学习领域受到学者的广泛关注。适当选择尺度参数往往可以得到满足实际需要的相似度量、核密度估计和分类精确度。特别地，有些时候难以选择的最优参数值，人们还可以预先指定多组参数，然后构建这些核函数的线性组合，得到多核学习方法。