TensorFlow深度学习实战（21）——自组织映射详解

0. 前言

自组织映射 (Self-Organizing Map, SOM) 是一种无监督学习算法，主要用于高维数据的降维、可视化和聚类分析，广泛应用于数据挖掘、模式识别、图像处理等领域。

1. 自组织映射原理

K-means 和主成分分析 (Principal Component Analysis, PCA) 都可以对输入数据进行聚类，但它们不保持拓扑关系。在本节中，我们将介绍自组织映射 (Self-Organizing Map, SOM)，也称 Kohonen 网络，或 WTU (Winner-Take-All Unit)，由 Teuvo Kohonen 于 1982 年提出，这类方法能够保持拓扑关系。SOM 是一种非常特殊的神经网络，受到人脑一个独特特征的启发，在人类大脑中，不同的感官输入以拓扑顺序的方式表示。与其他神经网络不同，神经元之间不是通过权重连接在一起，而是相互影响学习。SOM 最重要的是，神经元以拓扑方式表示学习到的输入。