本文主要研究本原不可幂定号有向图基的界、两类特殊符号模式矩阵的惯量、有向图是有向Hamilton图的充分条件、有向图含有向Hamilton路的充分条件以及应用特殊的有向图—神经网络对学生成绩进行分类等内容。这些都是组合数学的重要内容，不仅在基础数学研究中具有极其重要的地位，在其它的学科邻域中也有重要的应用，如计算机科学、编码和密码学、物理、化学、生物等。第一章阐述了符号模式矩阵、定号有向图基或局部基的界、符号模式矩阵惯量、双色（多色）有向图的本原指数、图论以及人工神经网络的发展与应用，详细给出了本论文的研究内容和安排．第二章利用定号有向图基的定义和Frobenius数主要研究本原不可幂定号有向图基的界．首先，研究了一般仅有两个圈的本原不可幂定号有向图局部基的上界和特殊本原不可幂定号有向图局部基的上界和下界，得到某类特殊本原不可幂定号有向图的局部基．其次，研究了两类本原不可幂定号有向图Ss，t（仅有两个圈）和Ds，t，q（仅有三个圈），得到了定号有向图Ds，t的基和定号有向图Ds，t，q基的上界，刻划了在s=t，q=s和q=t中仅有一个成立的情形下定号有向图Ds，t，q基的界．最后，研究了某类伴随图为(v11，vk1；v21，vk2；k1，k2；l)-lollipop或(v11，v1k1；v21，v2k2；…；vm1，vmkm；k1，k2，…，km；l)-lollipop的本原不可幂零对称符号模式矩阵基的界，得到了(v11，vk1；v21，vk2；k1，k2；l)-lollipop或(v11，v1k1；v21，v2k2；…；vm1，vmkm；k1，k2，…，km；l)-lollipop基的上界，并刻划了某些特殊(v11，vk1；v21，vk2；k1，k2；l)-lollipop或(v11，v1k1；v21，v2k2；…；vm1，vmkm；k1，k2，…，km；l)-lollipop的基．第三章利用代数学和矩阵分析的有关理论主要研究具有两个中心点的星符号模式矩阵和对称3-广义星符号模式矩阵的惯量．一方面，得到了二阶、三阶具有两个中心点的星符号模式矩阵的惯量和考虑前两行前两列的二阶子矩阵得到四阶及四阶以上的具有两个中心点的星符号模式矩阵的惯量．另一方面，考虑分块对角线上的矩阵的主对角线，得到对称3-广义星符号模式矩阵的惯量．第四章利用有向图和代数学的有关理论主要研究有向图的Hamilton性质．一方面，论证了严格有向二部图含有向Hamilton路的一个充分条件和一个必要条件以及严格有向二部图为有向Hamilton图的一个充分条件．另一方面，论证了正则二部竞赛图删去某些弧所得的有向图的Hamilton性质．第五章应用含一个隐含层的非线性的BP神经网络算法、径向基神经网络算法和感知器神经网络算法对学生学习成绩进行分类．通过运行程序可知，应用概率型神经网络算法当其分布密度∈[0．00121998 89，0．1186944 765]时分类的正确率达到99．06％，应用BP神经网络算法进行分类的正确率在98．51％与99．06％之间变化，但应用感知器神经网络算法进行分类的正确率很低，在20％与30％之间变化．因此通过考虑分类的正确率和整个分类时间，得到径向基神经网络算法是一种更适于对学生的成绩进行有效的分类算法．第六章总结了本论文所研究的内容和需要进一步研究的内容．