MATLABを用いた自己組織化マップのクラスタリングがうまくできません。

Question

前提・実現したいこと

MATLABを使って教師なし学習のクラスタリングを行っています。

入力画像は1024×768なのですが，これだとデータ量が多すぎるので1000画素をランダムサンプリングしています。(正解率が落ちるのは覚悟の上ですが)
k-meansでのクラスタリングは無事に行えたのですが，自己組織化マップが関数が異なっており、エラーが出てうまく実装することができません。
関数の読み込みまでは動いているのであとtest_ratioの部分さえ解決すればうまく回せると思いますが，そこで躓いています。

MATLABやプログラムについて詳しい方いらっしゃいましたらご意見や回答のほどよろしくお願いします。

エラー内容

Unable to perform assignment because the indices on the left side are not compatible with the size of the right side.

エラー: som (line 98)
test_ratio(ran_i)=sum(oup_cla==cla')/train_num;

また

test_ratio(ran_i)=sum(out_clas==clas')/train_num;

の部分を

test_ratio(ran_i)=sum(classes==clas)/train_num;とすると，データ量1000,学習枚数1000では動きますが，そこを変えると
行列の次元は一致しなければなりません。

エラー: som0126 (line 99)
test_ratio(ran_i)=sum(classes==cla)/train_num

と表示されます。

該当のソースコード

close all;
clear all;clc;

addpath('/Users/***/matlab/data');
ranN=5;

% データ量
np=[1000];  
npN=size(np,2);

% 入力サイズ
data_x=768;
data_y=1024;

% リサイズ(今回は行わないのと同様)
np_x=768;  %ランダムに画素選択
np_y=1024;

cut_start_x=(data_x-np_x)/2+1;
cut_end_x=cut_start_x+np_x-1;
cut_start_y=(data_y-np_y)/2+1;
cut_end_y=cut_start_y+np_y-1;

% %予測子（training set）の標準化
standardize=1;  %1:標準化有り, 0:標準化無し

% 訓練データ
folder='/Users/***/matlab/data';
    %画像データ

% 2000枚の画像を使用
data_num=1000*2;
pos_data_num=1000;

%教師ありでは使うが今回は使わない
test_ns=0;
test_pos_data_num=0;

dummy_ns=0;


total_data_num=data_num+test_ns+dummy_ns;

%乱数固定
rng(1,'twister');
rand_num=randperm(total_data_num);

train_num=data_num/2;
test_num=test_ns/1;

%いくつかの画素で試す場合はループ
for pix_i=1:npN;
    pix_i

    savedirname=['./som_average_clustering_',num2str(pix_i),...
    'pixs_standardize',num2str(standardize)];
    mkdir(savedirname);
    
for ran_i=1:ranN;
    ran_i
    
    rng(ran_i,'twister');
    s=rng;
    
    rand_numnum=randperm(train_num+test_num);
    rand_samp=randperm(np_x*np_y,np(pix_i));
    
for n=1:2000
    name=sprintf('%s/%04d.tiff',folder,rand_num(n));
    data0(:,:)=double(imread(name));
    data1(:,:)=data0(cut_start_x:cut_end_x,cut_start_y:cut_end_y);
    data2=MyVec((data1-min(data1(:)))/(max(data1(:))-min(data1(:))));
    data3=data2(:);
    
    total_data(:,n)=data3(rand_samp);
    
    if n<=total_data_num/2
        total_cla(n)=2;
    else
        total_cla(n)=1;
    end;
end;
total_data=total_data(:,rand_num);
total_cla=total_cla(:,rand_num);


% 訓練セット

g_train=total_data(:,rand_numnum(1:train_num));
g_train=g_train';
clas=total_cla(:,rand_numnum(1:train_num));

%oup_clas=double(kmeans(g_train,2)); #kmeansを使う場合は%を取り以下の6行のコードを無効化

out_clas=g_train;
net=selforgmap([2])
net = train(net,out_clas);
view(net)
y=net(out_clas);
classes = vec2ind(y);

test_ratio(ran_i)=sum(out_clas==clas')/train_num;
if test_ratio(ran_i)<=0.5;
    test_ratio(ran_i)=1-test_ratio(ran_i);
end;
test_ratio(ran_i)=test_ratio(ran_i)

clear g_train clas out_clas total_clas total_data

end;

csvwrite([savedirname,'/test_ratio.csv'], test_ratio);
csvwrite([savedirname,'/test_ratio_ave.csv'], mean(test_ratio));
averageratio = mean(test_ratio)
clear test_ratio

end;

試したこと

k-meansを用いたときは以下のように正しく出力されました。
出力結果の一部です。

ran_i =

 5

test_ratio =

   0.5025        0.505      0.50125         0.51      0.50625

averageratio =

    0.505

補足情報（FW/ツールのバージョンなど）

Windows10(64bit)
MATLAB R2017b