对于R语言中的LDA核方法，可以使用kernlab包中的klda()函数来实现。在使用前需要先加载kernlab包，这可以通过library(kernlab)命令实现。
具体的LDA核方法代码如下：
加载kernlab包
library(kernlab)
生成训练数据和标签
train_data <- matrix(runif(1000), nrow=50) train_label <- factor(c(rep("A", 25), rep("B", 25)))
构建LDA模型
lda_model <- klda(train_data, train_label, kernel="rbfdot", kpar="automatic")
其中，train_data是训练数据矩阵，train_label是训练数据对应的标签，kernel参数指定所使用的核函数，kpar参数指定核函数的参数。这里使用的是rbfdot核函数。执行完后，lda_model对象将储存LDA模型的相关信息，包括分类边界等。
如果想要对新数据进行预测，则可以使用predict()函数，如下所示：
生成新数据
test_data <- matrix(runif(200), nrow=10)
预测新数据的分类
predict(lda_model, test_data)
其中，lda_model是训练好的LDA模型对象，test_data是新数据矩阵。执行后，将会输出新数据的分类结果。