自组织映射网络

自组织映射图网络（SOM）属于非监督式的学习算法，又称Kohonen网络，采用竞争式的网络架构，其输出层的神经元会根据输入数据特征，在输出空间中呈现出有意义的拓扑结构。
SOM能借由网络架构发掘数据本身的特征与关联性，聚集特征相近的数据，进而分群。SOM的特性是物以类聚，能够处理大量且高纬度的多变量数据，且能保留原始数据所隐含的重要信息。SOM在网络学习的过程中采用竞争式学习算法。
SOM主要利用迭代的方法计算各输入向量与输出层处理单元间的连接权值向量，通过竞争学习算法，不断调整连接权重值使其越来越接近原输入向量的值，直到输入向量与连接权重的总距离为最小时或最大学习循环时，方停止训练。
SOM步骤：
（1） 随机产生与设定初始连接权重值向量，设定网络拓扑大小与输出层节点个数，设定为l=1；
（2） 决定邻近半径的初始值R，设定学习率的初始值，最大学习循环数。
（3） 随机选取一训练样本组，求得输入的训练样本的优胜神经元。
（4） 更新与次优胜神经元相连接的权重值，以及与此优胜神经元相邻区域神经元所连接的权重值、权重值的更新方式。