开发者学堂课程【机器学习算法 ：自组织特征映射神经网络-2】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/535/detail/7246
自组织特征映射神经网络-2
内容介绍
一、Kohonen 算法步骤
二、Kohonen 算法结果
一、Kohonen 算法步骤
已知一些动物属性，使用 Kohonen 网络对其进行聚类。
整理数据：将16种动物通过16个输入特征来表示，第一种将第一个特征设为1，其余为0，第二种将第二特征设为1，其余为0，依次类推，数据变为如下16行29个属性的数据
设计网络结构：输入为29个节点，输出到一个10*10的二维平面上
初始化参数：输入为29个节点，输出到一个10*10的二维平面上
权向量初始化：权重向量为一个29*10*10的数组 W ，对其赋予一系列的0-1之间的随机数
权向量归一化：将向量数组 w 归一化
建立初始邻域：将初始邻域距离设置为2，即距离获胜神经元欧氏距离<=2的神经元均划在邻域内，邻域随着训练次数的增加而逐渐减小
学习率：初始值设为 n ( t )=0.3\t，随着训练次数增加，学习率按照 n = n * e - N 衰减， N 距离获胜神经元的距离
得到获胜神经元及邻域：将输入数据逐一输入，和权重数组相乘，映射到10*10的输出节点上，值最大的即为获胜者。以第一条数据为例，输入后，和当前权重数组相乘，得到一个10*10的输出，映射到输出节点如下：
调整权值：将获胜神经元邻域内输出节点对应的权重数组按公式 Wi ( t +1)= Wij ( t )+ n ( t , N )[ x - Wij ( t )］进行调整
已知：即获胜神经元邻域对应的下标
当前领域对应的权重值
学习率衰减，可由约定公式求得
第 p 条输入的值
是否满足结束条件：学习率衰减到一个小于阈值的值，或者训练次数达到约定的值本例对16条记录的数据集，进行了1000次的训练。
二、kohonen 算法结果
