对模式识别、神经网络的发展概况以及应用神经网络来进行模式识别作了较为详细的介绍，然后分析了模式识别的一些基本概念、方法，指出了其困难和要求，同时给出了神经网络进行模式识别的方法。本课题我们将利用BP神经网络对基因数据进行分类，通过测试得到有三组数据，每组数据均有20个样本，且每一组样本具有共同的特性，并具有其特有的特性，每个样本具有114个数据，已知一组20个样本具有癌症特性，而另一组20个样本具有正常的特性，通过神经网络模型将第三组模型进行训练，做模式分类从而来判断其具有的特性。
SOM网络是Kohonen于1981年提出的，它引入了网络的拓扑结构，并在这种拓扑结构上进一步引入变化邻域概念来模拟生物神经网络中的侧抑制现象，从而实现网络的自组织特性。SOM网络的无监督学习方式更类似于人类大脑中生物神经网络的学习，其重要特点是通过自动寻找样本中的内在规律和本质属性，自组织、自适应地改变网络参数和结构。
自组织映射算法的基本目标是寻找较小的原型集来存储一个大的输入集，而这些原型集能够提供对输入空间的良好近似。从分类角度说，自组织映射通过寻找最优参考向量集合来对输入模式进行分类。这个原型集就是自组织网络的权值向量，因此特征映射提供了对输入空间的良好近似。
SOM网络能够根据其学习规则对输入的模式自动进行分类，即在非监督的情况下，对输入模式进行自组织学习，通过反复地调整连接着输入和输出的
