La capacità della classica Analisi Discriminante Lineare basata sulla Decomposizione del Valore Singolare Generalizzato (LDA/GSVD) si deteriora quando si ha a che fare con insiemi di dati non etichettati perché LDA richiede input e target predefiniti. Inoltre, l'algoritmo LDA/GSVD soffre di un alto costo di calcolo a causa dei suoi complessi calcoli matematici e delle iterazioni. Per affrontare questi problemi, questo studio introduce la Self-Organizing Map (SOM) come un nuovo metodo per etichettare i set di dati, e lo sviluppo di un algoritmo basato su reti neurali artificiali per superare il costo computazionale di LDA/GSVD. I risultati mostrano che l'uso di SOM e ANN sono efficaci nel risolvere i problemi dell'algoritmo tradizionale LDA/GSVD.