如何在R中的kernlab包的ksvm中对内核函数进行加权？

我正在重写RBF核函数：

 install.packages("kernlab")
 library(kernlab)

 rbf <- function(x, y) {
  gamma<-0.5
  exp(-0.5*norm((as.matrix(x)-as.matrix(y)),"f")) 
   }
class(rbf) <- "kernel"

install.packages（“kernlab”）
图书馆（内核实验室）
rbf数据只是一个例子，我只想检查这个方法背后的逻辑：）
    data<-matrix(1:40,nrow=10,ncol=4)
    train<-data[1:(0.6*nrow(data)), ]
    test<-data[((0.6*nrow(data))+1):nrow(data), ]

k_rbf <- ksvm(train[,ncol(train)]~.,data=train,C=0.1,type="eps-svr",epsilon=0.01,kernel=rbf)
ksvm_rbf<-predict(k_rbf, test)

    t<-1:nrow(data)
    data_t<-cbind(t,data)
    train_t<-data_t[1:(0.6*nrow(data_t)), ]
    test_t<-data_t[((0.6*nrow(data_t))+1):nrow(data_t), ]

      sea_rbf <- function(x, y) {
      gamma<-0.5
      S<-3
      n_x<-x[1] # row ID of X
      n_y<-y[1] # row ID of y
      x<-x[2:4]
      y<-y[2:4]
      d<-abs((n_x-n_y)%% S)
      sea<-min(d,S-d)
      value <-exp(-0.5*norm((as.matrix(x)-as.matrix(y)),"f"))*exp(-sea^2) 
      return (value )}
      class(sea_rbf) <- "kernel"

      k_rbf_t <-           ksvm(train_t[,ncol(train_t)]~.,data=train_t,C=0.1,type="eps-svr",epsilon=0.01,kernel=sea_rbf)
      ksvm_rbf_t<-predict(k_rbf_t, test_t)