3
Langkah 3 (Updating)
:
Terapkan persamaan untuk update bobot.
Dimana T
j,I(x)
(t) adalah Gaussian neighbourhood
dan
(t) adalah
learning rate.
Langkah 4 (Continuation) :
Jika syarat berhenti tidak terpenuhi
(false),
lakukan kembali langkah 1.
2.1.6
Fuzzy Kohonen Clustering Network (FKCN)
FKCN
adalah algoritma yang mengintegrasikan Fuzzy-c-Means (FCM)
model menjadi learning rate
dan proses update
dari Kohonen Clustering
Network (KCN). (Bezdek, Tsao dan Pal, 1992). Algoritma ini mengoptimalkan
persoalan yang dihadapi algoritma FCM dengan memperbaiki nilai konvergensi
dan mengurangi kesalahan pelabelan (labeling errors). Bezdek, Tsao dan Pal
mengintegrasikan kedua model tersebut dengan mendefinisikan learning rate
sebagai berikut :
Dimana
adalah nilai keanggotaan fuzzy dari data
untuk cluster i.
Algoritma FKCN :
1.
Langkah 1, tetapkan jumlah kelas, fitur dan threshold error ? > 0
2.
Langkah 2, inisialiasi bobot vektor awal
(
,
,…,
) dan
> 1
serta batas iterasi (
)
3.
Langkah 3, untuk t = 1,2…,(
)
a.
Hitung semua learning rate (
=
-t*
,
=
= (
 |