在本文中，在股票市场相互依赖方法中使用核自适应过滤进行股票价格预测，作者提出了一种通过结合在不同国际股票市场中针对不同股票训练的核自适应过滤 (KAF) 模型的预测来预测股票价格的方法。在他们的结果中，他们将此模型与在单个股票上训练和推断的单个 KAF 模型进行了比较。将这些单独的模型称为“基于 KAF 的方法”，并将它们的模型称为“提案”。

我对 KAF 很陌生，所以请原谅我在问题中可能存在的任何无知。

基于 KAF 的模型使用各种不同的 KAF 变体 - KLMS、QKLMS、NICE 等。但是，当他们解释他们提出的方法时，他们似乎从未提及在其模型内部使用了哪种 KAF 变体。

在第 9 页，他们使用一些 KAF 概述了他们的各个模型的伪代码，第 7 行说“计算过滤器输出”，其中过滤器被简单地定义为Kσ。在此之前，在第 5 页的底部和第 6 页的顶部，他们给出了Kσ(·, ·)“Mercer Kernel”的初始定义。

我正在尝试重现他们的结果，并尝试在 Python 中实现他们的方法，可能使用此处的 KAF 实现。我应该使用哪个 KAF Kσ？KLMS？克力士？我Kσ对论文中的内容有错误的理解吗？