Собственно задача такая. входные данные - набор векторов. Над ними нужно произвести операцию многоуровневой кластеризации с помощью искусственной нейронной сети Кохонена.
То есть на первом этапе мы разделяем все пространство векторов на N кластеров, дальше каждый отдельный кластер разделяем на M и так далее.
Желательно осуществить решение задачи оптимального количества кластеров на каждом уровне.
При этом должен осуществляться поиск и добавление новых элементов. При подаче на вход определенного вектора, нейронная сеть должна находить кластер, в котором находятся аналогичные векторы. Для локализации поиска.

язык - C++

два основных этапа.
1. Многоуровневая кластеризация, в итоге - иерархия (дерево) сетей
2. Классификация с использованием созданного дерева
Плюс дополнительно модификация дерева и сетей, связанная с добавлением/удалением
эталонных векторов (образов).
Обучающие (эталонные) вектора вместе с идентификатором проще всего хранить в текстовом файле (или файлах),
поскольку построение дерева выполняется однократно.
также стоит вопрос хранения структуры дерева классификации и весов нейронов всех сетей.