以下的kohonen神经网络的学习步骤matlab源代码，要如何实现呢?哪位高人帮忙解决这问题呢？

本聚类关联算法是采用一维Kohonen神经网络,如图1所示。神经网络输入层神经元的个数等于测
量向量的维数n,输出层神经元的个数为m,且m要大于最大可能的目标数。
　　Kohonen神经网络学习步骤如下:
1)初始化权值wij(0)(i=1,2,…,n;j=1,2,
…,m),赋于wij(0)一小的随机数。初始化设置各输
出神经元j的邻接神经元集合NEj(0)。
2)提供一个新的测量向量作为网络的输入样
本。
3)计算输入样本与所有输出层神经元之间的欧
几里德(Euclidean)距离dj,即输入的测量向量与所有
输出神经元j(j=1,2,…,m)之间的距离。并求出
dj*满足下式条件下的输出层神经元j*(j*∈[1,m])。
4)按照下式来改变输出神经元j*与其邻接神经元的相应权值:
wij(t+1)=wij(t)+η(t)[xi-wij(t)] (8)
式中j∈NEj*(t),i∈[1,n],t为迭代次数。其中NEj*为j*的邻域,且是t的递减函数,η(t)为学习速
率因子,一般η(t)∈(0,1),保证算法的收敛。
5)返回步骤2),直到兴奋神经元与输入样本稳定对应为止。
经过上述的学习过程,最终训练出的Kohonen神经网络就可以完成对k时刻测量向量集Mk的聚
类。Mk被划分成c个类,即Mk={C1(k),C2(k),…,Cc(k)} (9)
其中Ct(k)={Zs11(k),Zs22(k),…,Zsltlt(k)},t=1,2,…,c,lt为第t类的测量向量数。Zsltlt(k)表示
k时刻第t类的第lt个测量向量,且来源于slt传感器(slt∈{1,2,…,S})。
可以将杂波的类去除,得到真正目标的个数T(1≤T≤c),以及各个目标的关联测量向量:
Mtk={C1(k),C2(k),…,CT(k)},且Mtk Mk(10)