SOM là viết tắt của Self-Organizing Feature Map (Bản đồ đặc trưng tự tổ chức). Đây là một phương pháp phân cụm và trực quan hóa dữ liệu dựa trên góc nhìn mạng nơ-ron. Mục tiêu của SOM là khám phá một tập hợp các tâm cụm (vector tham chiếu trong thuật ngữ SOM) và gán từng đối tượng trong tập dữ liệu cho tâm cụm mang lại độ gần nhất cho đối tượng đó. Trong các phương pháp mạng nơ-ron, có một nơ-ron tương ứng với mỗi tâm cụm.
Tương tự như K-means tăng dần, các đối tượng dữ liệu được đưa vào lần lượt một tại một thời điểm và tâm cụm gần nhất được cập nhật. Khác với K-means, SOM áp đặt một trình tự địa hình học trên các tâm cụm và các tâm cụm lân cận cũng được cập nhật. Hơn nữa, SOM không theo dõi thành viên cụm gần đây của một đối tượng, và không giống như K-means, nếu một đối tượng chuyển đổi cụm, không có cập nhật cụ thể cho tâm cụm cũ.
Cụm cũ có thể nằm trong lân cận của cụm mới và do đó có thể được cập nhật vì lý do đó. Việc xử lý các điểm tiếp tục cho đến khi đạt đến một giới hạn được xác định trước hoặc các tâm cụm không thay đổi nhiều. Đầu ra cuối cùng của phương pháp SOM là một tập hợp các tâm cụm ngầm đại diện cho các cụm. Mỗi cụm bao gồm các điểm gần nhất với một tâm cụm cụ thể.
Mỗi tâm cụm được gán một cặp tọa độ (i, j). Đôi khi mạng như vậy được vẽ với các kết nối giữa các nút lân cận, nhưng điều đó có thể gây hiểu lầm vì sức mạnh của một tâm cụm lên tâm cụm khác là một lân cận được biểu diễn dưới dạng tọa độ, không phải các liên kết. Có một số loại mạng nơ-ron SOM, nhưng chúng ta có thể giới hạn thảo luận này ở SOM hai chiều với tổ chức hình chữ nhật hoặc hình lục giác của các tâm cụm.
Các tâm cụm được sử dụng trong SOM có mối quan hệ trình tự địa hình học được xác định trước. Trong quá trình huấn luyện, SOM yêu cầu mỗi điểm dữ liệu cập nhật tâm cụm gần nhất và các tâm cụm lân cận trong trình tự địa hình học. Theo cách này, SOM tạo ra một tập hợp các tâm cụm có thứ tự cho bất kỳ tập dữ liệu nào.
Nói cách khác, các tâm cụm gần nhau trên lưới SOM có liên quan chặt chẽ hơn với nhau so với các tâm cụm xa hơn. Do ràng buộc này, các tâm cụm của SOM hai chiều có thể được coi là nằm trên một bề mặt hai chiều cố gắng phù hợp với dữ liệu n chiều tốt nhất có thể.