| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 1.绪论 | 第12-21页 |
| ·符号模式矩阵的发展 | 第12-13页 |
| ·定号有向图(或符号模式矩阵)基的界的发展 | 第13-14页 |
| ·符号模式矩阵惯量的发展 | 第14-16页 |
| ·图论的发展 | 第16-17页 |
| ·人工神经网络的发展 | 第17-19页 |
| ·论文的内容与安排 | 第19-21页 |
| 2.定号有向图基的界 | 第21-77页 |
| ·基本概念 | 第21-29页 |
| ·F r.obenius数 | 第24页 |
| ·可幂的符号模式矩阵 | 第24-26页 |
| ·不可幂的符号模式矩阵 | 第26-29页 |
| ·符号模式矩阵基的界的有关结论 | 第29-38页 |
| ·可幂不可约符号模式矩阵的基和周期 | 第29-32页 |
| ·可幂可约符号模式矩阵基的界 | 第32-35页 |
| ·不可幂符号模式矩阵基的界 | 第35-38页 |
| ·某类本原不可幂定号有向图局部基的界 | 第38-42页 |
| ·引理 | 第38页 |
| ·主要结论 | 第38-42页 |
| ·两类特殊本原不可幂定号有向图基的界 | 第42-61页 |
| ·具有两个简单圈的本原不可幂定号有向图的基 | 第44-50页 |
| ·具有三个简单圈的一般的本原不可幂定号有向图的基 | 第50-53页 |
| ·具有三个简单圈的特殊的本原不可幂定号有向图的基 | 第53-61页 |
| ·某类本原不可幂零-对称符号模式矩阵基的界 | 第61-77页 |
| ·本节讨论的符号模式矩阵 | 第61-62页 |
| ·已有的结论 | 第62-63页 |
| ·主要结论 | 第63-77页 |
| 3.符号模式矩阵的惯量 | 第77-96页 |
| ·基本概念 | 第77-78页 |
| ·引理 | 第78-80页 |
| ·具有两个中心点的星符号模式矩阵的惯量集 | 第80-92页 |
| ·对称3广义符号模式矩阵的惯量集 | 第92-96页 |
| 4.有向图的Hamilton性质 | 第96-110页 |
| ·基本概念 | 第96-97页 |
| ·严格有向二部图含有向Hamilton路的充分条件和必要条件 | 第97-104页 |
| ·严格有向二部图为有向Hamilton图的一个充分条件 | 第104-107页 |
| ·正则二部竞赛图删去某些弧所得的有向图的Hamilton性质 | 第107-110页 |
| 5.应用举例—基于神经网络的学习成绩分类器 | 第110-117页 |
| ·引言 | 第110-111页 |
| ·BP神经网络 | 第111-113页 |
| ·径向基函数网络 | 第113-114页 |
| ·感知器神经网络 | 第114页 |
| ·实验结果 | 第114-115页 |
| ·结论 | 第115-117页 |
| 6.结论 | 第117-118页 |
| 附录——学习成绩分类算法程序 | 第118-130页 |
| 参考文献 | 第130-140页 |
| 攻读博士期间发表的论文及所取得的研究成果 | 第140-142页 |
| 致谢 | 第142页 |
