设有现有一个样本数据集，含有4个模式类
，
，
，
，各个类别含有5个数据，每个数据是一个二维向量[x,y]。则需要设定4个输出层神经元来构建SOM网络，由于输入数据是二维的向量，所以输入层神经元有2个。
为了使SOM网络的设计和实行过程在作图中清晰可见，对输入的样本数据集均进行归一化处理。
：
A =
0.8776 0.4794
0.8525 0.5227
0.8253 0.5646
0.7961 0.6052
0.7648 0.6442
：
B=
-0.6663 0.7457
-0.7027 0.7115
-0.7374 0.6755
-0.7702 0.6378
-0.8011 0.5985
：
C=
-0.5748 -0.8183
-0.5332 -0.8460
-0.4903 -0.8716
-0.4461 -0.8950
-0.4008 -0.9162
：
D=
0.9602 -0.2794
0.9729 -0.2311
0.9833 -0.1822
0.9911 -0.1328
0.9965 -0.0831
第一步：设定初始初始权值w，暂时设定为位于极坐标0°，90°，180°，270°角处的四个单位向量；设定初始学习率rate1max和学习率最小值rate1min；设定初始领域半径r1max和领域半径截止值r1min；设定输出层神经元个数为4。
第二步：输入新的模式向量X，即输入以上四类数据样本集A,B,C,D为X。
接着开始Kohonen算法的迭代运算过程，求解最佳权值w即聚类中心
第三步：每次计算输入模式到输出神经元之间的距离之前，对学习率和领域半径均进行自适应修改。随机抽取一个输入模式x，计算x与神经元之间的欧氏距离。
第四步：选取距离最小的神经元节点为最优神经元。
第五步：在规定的领域范围类对神经元的权值w按照公式进行修改。
第六步：查看迭代次数是否终止，否则继续执行第三步。是则得到最佳权值即聚类中心w。
