不确定数据的可视化一直挺烧脑的，尤其是那种来自位置数据库、传感器的数据，误差大不说，波动还频繁。余志文这篇论文就给了个还挺有意思的解法：直接上了一个不确定自组织映射（USOM）的神经网络模型，结合了自组织映射（SOM）和模糊距离函数，专门搞定这类“不靠谱”的数据。
自组织映射你听过，类似在高维数据里建个二维小地图，什么分布、聚类，一眼就能看出个。现在配合模糊距离，用概率的方式不确定数据，USOM 就能把这些“模糊”的点有效归类，结果在低维网格上可视化，嗯，直观多了。
论文还用最小生成树（MST）把这些网格神经元聚合成更大类群，逻辑清晰，也不复杂。举个例子，比如你想研究移动设备用户的分布行为，这些位置信息不是精确坐标，而是范围模糊的区域，USOM 在这场景下就好用。
想试一试的话，建议你先看看这几篇相关资源：
如果你经常和不确定数据打交道，或者搞地图可视化、智能相关的项目，这个模型值得你好好玩玩，matlab 里试试也挺方便的。