随着数据库技术的成熟应用和Internet的迅速发展,人们利用信息技术生产和搜集数据的能力大幅度提高,使得从大量数据中挖掘出有用的信息或知识成为一个迫切需要解决的问题。正是这种需求推动了数据挖掘的兴起和数据挖掘技术的发展。数据挖掘经常要面对一些有噪声、杂乱、非线性的数据,而神经网络具有良好的鲁棒性、自适应性、并行处理、分布存储和高度容错性等特点,因此神经网络非常适合解决数据挖掘的一些问题。聚类分析是数据挖掘的一项重要功能,特别对高维数据的分析具有非常大的优势。自组织特征映射(SOM)神经网络不但在数据挖掘、机器学习、模式分类和可视化中得到了广泛的应用,同时可视化技术是进行生物数据挖掘的重要手段。本文以聚类算法为基础,总结和分析现有的数据可视化方法,对聚类结果可视化技术进行深入且细致的研究。并提出用非线性主成分分析(NLPCA)和自组织映射(SOM)网络相结合的方法对生物信息学中基因表达数据进行聚类可视化分析。通过对实验结果的分析,表明这种方法有较高的聚类正确率,用于基因表达数据的聚类分析是行之有效的。