支持向量回归(Support vector regression,SVR)的学习性能及泛化性能取决于参数设置.在常规方法中,这些参数以固定值形式参与运算,而当面对复杂分布的数据集时,可能无法挑选出一组能够胜任各种分布情况的参数,参数设置需要在过拟合和欠拟合之间进行取舍.因此,本文提出一种能够根据样本分布进行参数自我调整的柔性支持向量回归算法(Flexiblesupport vector regression,F-SVR).该算法根据样本分布的复杂度,将训练样本划分为多个区域,在训练过程中,F-S