k-means法と同じように、各点を最も近いクラスターに割り当てていきます。
k-means法と同じように、各クラスターの平均を計算します。そして、各変数におけるクラスター平均を応答変数、自己組織化マップのグリッド座標を説明変数とした重み付き回帰を行います。重み関数としてカーネル関数を用いており、中心を推定するために用いたクラスターに対して大きな重みを与え、グリッド内で離れたクラスターほど重みは小さくなるようにしています。この回帰による予測値が新しいクラスター平均です。