Предметом дослідження є методи часової сегментації і кластеризації видеопослідовностей для відеореферування і інформаційного пошуку з запитами «за зразком». Об'єктом дослідження є процеси обробки і аналізу відеопотоків в інформаційних технологіях пошуку візуальної інформації. Методи дослідження: при розробці та дослідженні методів і моделей нечіткої сегментації і кластеризації відеопотоків використані основні положення математичного апарату розпізнавання образів і обробки зображень, методи обчислювального інтелекту, аналізу часових рядів, а також елементи математичної статистики при проведенні і аналізі результатів експериментальних досліджень. Метою дисертаційної роботи є розробка інструментарію інтелектуальних інформаційних технологій реферування відео на основі кластеризації.Результати та їх новизна: Введено методи і моделі виявлення змін властивостей векторних і матричних нестаціонарних зашумлених сигналів на основі ансамблю адаптивних моделей з власними алгоритмами ідентифікації з різною глибиною пам'яті, on-line процедури нечіткої кластеризації, що забезпечують часову сегментацію як для повільних, так і стрибкоподібних змін змісту відео. На основі гібридизації ієрархічного агломеративного і нечіткого, заснованого на центрах ваги, підходів для динамічного відеореферуровання запропоновано метод кластеризації багатовимірних часових рядів різної довжини в умовах невідомої кількості класів і можливості їх взаємного перетину. Для відеореферування запропонована кластеризація послідовностей відеоданих, яка заснована на використанні модифікованої ітеративної динамічної часової деформації і подальшої кластеризації редукованих часових рядів на основі матричної нечіткої кластеризації на базі гармонійних -середніх.Результати теоретико-експериментальних досліджень реалізовані і впроваджені у вигляді прикладних програм для екологічного моніторингу, в наукових дослідженнях та освітньому процесі Харківського національного університету радіоелектроніки.^UThe subject of the research is the methods of temporal segmentation and video sequences clustering for video summarizing and information retrieval with queries ad exemplum. The object of the research is the video streams processing and analyzing in information technology for the visual information search. Methods of research: in the development and research of methods and models of fuzzy segmentation and video streams clustering, the main fundamentals of the pattern recognition and image processing theory, computing intelligence methods, time series analysis, as well as elements of mathematical statistics during conducting and analyzing the results of experimental research are used. The purpose of the thesis is to develop tools for intelligent information technology for video retrieval based on clustering.Results and their novelty: The methods and models for changes detection in the vector and matrix nonstationary noisy signals properties based on the adaptive models ensembles with own identification algorithms with different depth of memory, on-line procedures of fuzzy clustering, providing time segmentation for both slow and fast changes in the video content. On the basis of hybridization of hierarchical agglomeration and fuzzy clustering based on centers of weight approaches for dynamic video summarization, the multidimensional time series with different lengths clustering method with an unknown number of classes and the possibility of their mutual overlapping is proposed. For video summarization, the video data sequences clustering is proposed, which is based on the use of modified iterative dynamic time warping and sequential clustering of reduced time series based on matrix fuzzy clustering based on harmonic-means.The results of theoretical and experimental research are implemented in the form of ecology monitoring application, research and education in Kharkiv National University of Radio Electronics.