Kohonen Network 기법(코호넨 네트워크) (데이터마이닝)

코호넨 네트워크는 데이터 군집화에 자주 이용되는 신경망 기법의 하나이다.

k-means 군집화 기법과  차이점은 다음과 같다.

첫째, 군집 중심 및 입력데이터를 0과 1사이의 정규화된 값으로 사용한다.

둘째, 알고리즘을 수행하면서 새로운 군집 중심을 계산하는 바식에 약간의 차이가 있다.

 

Algorithm

Step1. 군집 수 k를 결정하고, 각 군집에 초기치 또는 군집 중심을 0~1사이의 값으로 할당한다.

 

Step2. 0과1 사이로 정규화된 새로운 입력 데이터를 제시한다.

 

Step3. 입력 데이터와 각 군집 중심사이의 거리를 계산한다.

 

Step4. 거리가 최소인 군집 중심을 아래와 같이 새롭게 계산한다. (여기서 α는 0과 1사이의 학습 비율이다)

            

 

Step5. 모든 데이터에 대해 Step2~Step4를 반복한다.

 

Step6. 초기의 α값에 대한 군집 중심과 α를 줄여가면서 생성된 군집 중심의 변화가 없을 때까지 반복한다.

 

Step7. 모든 데이터를 가장 가까운 군집 중심에 배속한다.

 

## 0과 1사이의 표준화 데이터 생성 row<-nrow(iris[,-5]) col<-ncol(iris[,-5]) data<-matrix(0,row,col) for(i in 1:col){      max<-max(iris[,i])      min<-min(iris[,i])      for(j in 1:row){           data[j,i]<-(iris[j,i]-min)/(max-min)      } } ## 새로운 군집 중심을 계산 new_center<-function(center,data,alpha){      row<-nrow(center)      diff<-matrix(0,row)      for(i in 1:row){           diff[i]<-dist(rbind(center[i,],data))      }      min<-min(diff)      for(i in 1:row){           if(diff[i]==min){                center[i,]<-center[i,]+alpha*(data-center[i,])           }      }      center } kohonen_alg<-function(data, k){      row<-nrow(data)      col<-ncol(data)      alpha<-0.5      center<-matrix(0,k,col)                   ## 초기의 군집 중심 설정      for(i in 1:k){           for(j in 1:col){                center[i,j]<-runif(1)           }      }      c<-matrix(0,k,col)      while(1){           or_center<-center           for(i in 1:row){                n_center<-center                center<-new_center(n_center, data[i,],alpha)           }           if(identical(round(center-or_center,4),c)==FALSE){                alpha<-alpha*0.8           }else{                break;           }      }      lastcol<-col+1      center<-cbind(center,0)           for(j in 1:row){           diff<-matrix(0,k)           for(i in 1:k){                diff[i]<-dist(rbind(center[i,-lastcol],data[j,]))           }           min<-min(diff)           for(i in 1:k){                if(diff[i]==min){                     center[i,lastcol]<- center[i,lastcol]+1                }           }      }      center }   ## 실행함수 kohonen_alg(data, 3)

 

 

이 또한 k-means 기법과 유사하게 초기 값에 따라 군집화 결과가 다르게 나타남을 볼 수가 있다.

 

 

 

 

 

 

출처 : http://blog.naver.com/asus1984?Redirect=Log&logNo=120065317344