Isodata Algorithmus:

(ISODATA - Iterative Self-Organizing Data Analysis Technique)

  •  
    		•  Initialisierung von K-Clusterzentren ci, t mit i=1,...,K (Anzahl der cluster), t=1,...,tMax (terationsschritt)
  •  
    		•  Zuordnung der Stichproben x
  •  
    		•  Verwerfung von kleinen Clustern
  •  
    		•  Berechnung von neuen Clusterzentren ci,t+1, z.B. bei minimaler Quadratsumme der Distanzen:
  •  
    		•  falls Cluster verworfen, weiter mit Zuordnung der Stichproben x
  •  
    		•  Zusammenfassung von Clustern