传统神经网络的权值是常数，训练的权值往往难以反映样本的信息；且在实际的应用中，传统的神经网络模型难以确定，网络至少是三层结构，并需要对隐含层进行反复的扩展或修剪。基于这些考虑，《神经网络新理论与方法》一书提出了权函数神经网络的算法。权函数神经网络的这一模型彻底打破了传统的神经网络结构复杂的缺点，简化了网络结构；其理论与方法彻底克服了困扰学术界多年的传统算法的局部极小、收敛速度慢、难以求得全局最优点等缺陷。　　 B样条权函数神经网络作为一种权函数神经网络，具有权函数神经网络的特点。本文在理论与算法部分首先构造了B样条权函数神经网络模型；接着又给出了通过样本点计算B样条权函数具体的过程；然后结合B样条权函数神经网络的模型对网络误差进行分析；最后，通过仿真实验，在均方差和训练时间方面将B样条权函数神经网络与传统BP、RBF神经网络算法进行了对比分析，验证了B样条权函数神经网络具有很高的逼近精度和很快的训练速度。　　 本文在应用部分，给出了基于B样条权函数神经网络的数据挖掘方法，对葡萄酒进行分类识别。通过与基于BP、RBF神经网络的数据挖掘方法相比，得出了B样条权函数神经网络具有很好的分类效果的结论。