不同的算法可能用不同的时间、空间或效率来完成同样的任务，对于精心实现的算法，往往可以带来更高的运行和存储上的效率。所以研究第一类样条权函数的算法复杂度是非常有意义的，好的算法可以帮我们更有效的解决问题。本文在样条权函数神经网络理论基础上，对第一类样条权函数神经网络的算法复杂度进行研究，结合数值分析、算法等方面知识进行理论分析以及公式推导，来求解第一类样条权函数神经网络的算法复杂度。同时，本文在理论分析的基础上，运用MATLAB工具对第一类样条权函数神经网络的算法复杂度进行了仿真实验。本文最终得出第一类样条权函数神经网络的算法时间复杂度与样本输入维数和输出维数以及样本点个数有关。当输入、输出维数固定的情况下，仿真得到的第一类样条权函数算法复杂度曲线，随着训练样本点个数的增加，仿真所需要的时间与样本个数基本成线性增长。通过对仿真结果的分析，验证了该理论分析的正确性以及第一类样条权函数神经网络具有算法复杂度低，训练速度快等优势。本文通过对第一类样条权函数神经网络算法复杂度的理论分析，研究了第一类样条权函神经网络的算法在医疗数据挖掘方面的应用，对糖尿病进行分类识别。通过MATLAB工具分别对第一类样条权函数和BP神经网络的应用进行了仿真实验，由实验结果可知，第一类样条权函数神经网络算法具有很好的预测作用，能准确的对糖尿病进行检测，训练速度快并且分类器结构简单。与传统的BP神经网络相比，具有训练速度快、精确度高等优势。