home *** CD-ROM | disk | FTP | other *** search
/ CD ROM Paradise Collection 4 / CD ROM Paradise Collection 4 1995 Nov.iso / science / neumap3.zip / NUMP.ZP / SOMC.HLP < prev    next >
Text File  |  1993-01-04  |  2KB  |  48 lines
  1. 1. Input Data Formats; 
  2.  a. Each pattern must have inputs followed by 0 or more 
  3.     outputs. Therefore, training data files will work.
  4.  b. Training data for classification typically has N features 
  5.     followed by the class id. 
  6.  c. Training data for mapping typically has N
  7.     features followed by several desired output values. 
  8.  
  9. 2. Output Data Format;
  10.    Output files from clustering include the number 
  11.    of clusters, followed by the cluster vectors themselves.
  12.  
  13. 3. Self-Organizing Map; 
  14.  a. Cluster a data file using Kohonen's Self-Organizing 
  15.     Feature Map.
  16.  b. Desired outputs, if any, can be ignored.
  17.  
  18. 4. Processing Example for Self-Organizing Map
  19.  a. Under the "Neural Clustering" option, choose "Batch Processing"
  20.  b. From the parameter file,
  21.  
  22. 8       ! number of inputs in a pattern
  23. 7       ! number of outputs in a pattern (class id not used)
  24. Twod.tra ! filename for shape recognition training set
  25. 0       ! read all patterns in the file
  26. 1       ! initialize clusters
  27. 36      ! pick 36 as the number of clusters
  28. 20      ! number of iterations
  29. 2       ! use linearly decreasing learning factor and neighborhoods
  30. .8  5   ! initial learning factor and half-neighborhood size
  31. 1       ! continue clustering
  32. 5       ! number of iterations
  33. 2       ! use linearly decreasing learning factor and neighborhoods
  34. .04  0  ! initial learning factor and half-neighborhood size
  35. 2       ! stop
  36. 1       ! save clusters
  37. sm      ! filename for saved clusters
  38.  
  39.     we see that the program will apply Self-Organizing Map clustering
  40.     to the file Twod.tra with 20 iterations. The number of random initial 
  41.     clusters is 36. The initial learning factor and half-neighborhood
  42.     size are respectively .8 and 5, and linearly decreasing neighborhoods 
  43.     and learning factor are chosen. After 20 iterations, 5 additional 
  44.     iterations are specified. The clusters will be saved in a file 
  45.     called sm.
  46.  c. After running the program, we can "Examine Program Output",
  47.     where we observe that the normalized clustering error is 2.84466.
  48.