随着DNA芯片技术的广泛应用，基因表达数据分析已成为生命科学的研究热点。样本聚类分析能根据基因表达谱的相似程度把样本归纳成类，有助于对未知功能的基因进行研究，是目前各种基因表达分析研究的重要基础。但由于基因微阵列是只有少量样本的高维基因数组，传统聚类方法进行组织样本聚类受到大量无关基因的干扰。本文提出一种基于基因聚类进行样本聚类的方法。先提出一种基于环状结构自组织图(SOM)的基因聚类方法，由于基因类在SOM输出层的位置能反映基因类之间的相似程度，这样就得到了基因间关系的一些有用信息。根据这些信息作者利用敏感程度来进行特征基因选择，从而达到降维的目的。最后在只有特征基因组成的低维空间中对样本聚类。本文的新算法深入挖掘基因信息，在增加对基因认识的基础上对样本聚类，明显优于传统样本聚类方法。利用真实微阵列数据进行的实验证明了新算法的可行性和高效性。在此基础上，本文深入研究脉冲耦合神经网络，并把它应用于组织样本聚类，脉冲耦合神经网络具有高度的并行性，能够快速准确的取得聚类结果。实验证实了算法的有效性。