La capacidad del análisis discriminante lineal clásico basado en la descomposición del valor singular generalizado (LDA/GSVD) se deteriora cuando se trata de conjuntos de datos no etiquetados porque el LDA requiere entradas y objetivos predefinidos. Además, el algoritmo LDA/GSVD tiene un alto coste computacional debido a sus complejos cálculos matemáticos e iteraciones. Para abordar estos problemas, este estudio introduce el mapa autoorganizado (SOM) como un nuevo método para etiquetar conjuntos de datos, y el desarrollo de un algoritmo basado en redes neuronales artificiales para superar el coste computacional de LDA/GSVD. Los resultados muestran que el uso de SOM y ANN son eficaces para resolver los problemas del algoritmo tradicional LDA/GSVD.