自组织特征映射 (Kohonen 映射) - 再访主题·综合运用
（3/3）·从图形外壳到扩展功能，拆解一段范形样本如何跑通自组织特征映射全流程
「绕开 DLL 的图形外壳接法」
Sample4_SOM_Net_Img 这个例子展示了自组织映射网络怎么接图形外壳。原先得挂 Dmitry Fedoseev 写的 cintbmp.mqh 才能画图，但里面全是 WinAPI 的 DLL 调用，过不了市场审核。我把图形库改了一版，删掉所有 DLL 调用，存图逻辑只往 Image 目录写 bmp 文件，显示时立刻加载进资源，文件只负责存不负责画，这就避开了外部库依赖，改名 cintbmp2.mqh 后作者信息保留在原文件里。 参数传递走函数接口而不是在类里全局声明变量，否则连接多个项目时变量名撞车会让编译处理变复杂。InitParameters 就是为图形外壳新加的入口，把迭代次数、网格行列、bmp 尺寸、是否六边形、边框标题开关、配色方案和最大图片数一次性塞进去。 训练函数 Train() 体内嵌了 Render() 和 ShowBMP(bool back)，每 100 次迭代刷一次训练进度图，退出后再调一次显示终态。你在 MT5 里跑这套，把下面接口抄过去，改 xcells/ycells 就能直接看不同网格密度的收敛过程。
class="type">void InitParameters(class="type">int iterations,class="type">int xcells,class="type">int ycells, class="type">int bmpwidth,class="type">int bmpheight, class="type">bool p_HexagonalCell,class="type">bool p_ShowBorders,class="type">bool p_ShowTitles, class="type">int p_ColorScheme,class="type">int p_MaxPictures);
用子类给 Kohonen 网络套图形壳
Sample5_SOM_Net_Player 这个示例本身不是网络底层，而是展示怎么用扩展类把已有代码包一层壳来审查和控制。做法很直接：声明一个基本类的子类，就能通过 protected 和 public 拿到父类的函数与数据，程序按你的需要重组，不必动原类一根手指。 我写 CSOM_Net_Player 时接了 Dmitry Fedoseev 的 IncGUI_v3.mqh 图形库，只改了标签显示位置（挪到对象顶部）和标签颜色，原文件一行没动，靠继承库类就完成了定制。图形面板占了大部分代码，但属于常规活，难点在面板和神经网络外壳的协调。 启动网络分两段：先训练并把网络存成二进制文件 somnet，再从文件加载并在范形基础上搜匹配节点。两段共用显示字段，但模式真独立——训练范形不必和识别范形同文件，网络也能换文件加载。切模式会把状态重置为零，这点要记牢。 程序不用循环跑训练或搜索，全靠事件分配。进训练模式后做初始化、载参、备内存、跑首次迭代，然后给自己发一个低于 333 的用户事件；事件处理过滤鼠标点击、编辑结束和 333 事件，若按钮状态没变就继续迭代并再发 333，直到训完或手动停。搜索模式同理中断。 部署路径是硬数据点：范形放 MQL5\Files\SOM\，按钮 bmp 放 MQL5\Images\SOM\，程序放 MQL5\Projects\SOM\，最后编译所有 mq5。外汇与贵金属行情高波动，这类自研面板仅作分析辅助，信号失效概率不低，实盘前务必在 MT5 策略测试器跑通。
◍ 别急着下结论
四十年前神经网络还是科学前沿的显学，二十年前懂点反向传播才敢称专家，如今 Kohonen 映射这类算法早已沉进 MT5 的底层逻辑里，不再唬人。本文给出的 project_som.zip 体量 267.78 KB，里面 CSOM_Net_Base 与 CSOM_Net_Train 两个模块就是自组织映射在 MQL5 里的直接落地，但评论区有人反映压缩包缺了 CSOM_Net_Base.mqh，说明跑通前先得补齐依赖。 外汇与贵金属行情受杠杆与流动性扰动，用 SOM 做特征聚类只代表历史样本的概率分布，不预示下一根 K 线方向，实盘前务必在策略测试器用 99% tick 数据回测。 打开 MT5 把那两个文件拖进 Include 目录，缺的 .mqh 从作者讨论帖补完，先让网络在 EURUSD 的 H1 上无监督训练一轮，比急着套用信号更靠谱。
CSOM_Net_Base, CSOM_Net_Train