评价一个算法的标准有很多,复杂度是其中一个重要标准,好的算法可以节省解决问题的时间成本。本文的目的就是结合权函数神经网络理论与算法复杂度基础,推导分子三次分母一次有理样条权函数神经网络的算法复杂度的表达式,分析影响复杂度的因素,并进行实验验证。在理论研究的基础上将该类型神经网络算法运用到实际中。本文在权函数神经网络的理论基础上,结合Hermite插值性质和有理样条函数性质,对分子三次分母一次有理样条权函数的形式进行了构造。然后根据分子三次分母一次有理样条权函数的形式,结合Peano核定理、矩阵LU分解法、算法复杂度的定义与线性方程组的求解步骤,对算法执行过程中各类运算执行次数的分析,得出算法的时间复杂度表达式。最后在理论分析的基础上,使用MATLAB仿真工具对该训练算法的时间复杂度进行仿真验证。理论分析表明分子三次分母一次型有理样条权函数神经网络算法时间复杂度与训练样本个数、输入维数及输出维数呈线性关系,关系表达式为T?O?mnN?,其中m为输入维数,n为输出维数,N为样本数目。通过实验仿真,最终验证了分子三次分母一次有理样条权函数神经网络的算法训练时间复杂度与训练样本数、网络输入维数、输出维数分别呈线性关系,同时该训练算法有算法时间复杂度低,训练速度快等优点。本文在对分子三次分母一次有理样条权函数神经网络的算法复杂度进行理论分析与实验验证的基础上,将分子三次分母一次有理样条权函数神经网络算法与休眠节点缺失感知数据预测结合起来,选取适当的参数和网络结构,建立起基于分子三次分母一次有理样条权函数神经网络的缺失数据预测模型。通过MATLAB仿真实验,得出分子三次分母一次有理样条权函数神经网络算法对于缺失感知数据的预测结果具有较高的精度,预测数据具有一定的可信性和参考价值。