使用竞争性网络查找集群的算法

Question

下面附上了我正在实现的算法。 （这是一种著名的竞争性学习算法）

这是使用竞争性学习（神经网络）对虹膜数据进行聚类。 我已经写了上面的算法。但是它不能准确地对数据进行聚类。在大多数情况下，它会为数据集的第一个群集对数据进行群集。我尝试了不同的学习率和互动方式，但无法提高准确性。在编写上述算法时我没有做任何错误吗？ 如果不是，我应该怎么做才能用这种算法改善聚类？

#initialize wights randomly ( used 3 neurons as there are 3 clusters,4 variables )
W = np.random.rand(3,4)

#Weights normalization 
W = preprocessing.normalize(W)

#Normalize X
X = np.matrix(preprocessing.normalize(X))


t =[]
for i in range(len(X)):
    for j in range(1,500):
        wx = np.argmax(np.dot(W,X[i].getT()))
        #update winner neuron
        W[wx:] = W[wx:]+0.3*(X[i]-W[wx:])
        W = preprocessing.normalize(W)
    t.append(wx)
    #print(wx)
print(W)