Рассмотрены и проанализированы два индуктивных метода восстановления функции: метод группового учета аргументов (МГУА) и метод предельных упрощений (МПУ). Указаны их преимущества перед другими методами и показана возможность совмещения с целью улучшения их экстраполяционных свойств.

Запропоновано метод прогнозування параметрів на основі використання інформації про аналогічні рішення-прецеденти та експертної інформації щодо властивостей часткових прогнозуючих функцій. Метод є узагальненням методу багатовимірної лінійної екстраполяції. Викладено алгоритм визначення параметрів оптимальних часткових прогнозуючих функцій і використання їх для прогнозування параметрів рішень.

Предложена система многоальтернативного распознавания образов, которая основана на принципах Метода группового учета аргументов (МГУА). Разработана процедура голосования совокупности двухальтернативных решений, получаемых по программе дискриминантного анализа МГУА. Сформированы признаки для задачи распознавания.

Разработан метод синтеза оптимальных по критерию максимума апостериорной вероятности алгоритмов многоальтернативного распознавания образов, заданных сложными эталонными описаниями в виде интервалов эталонных значений и(или) совокупностей эталонных значений своих признаков.

Развит разработанный ранее метод синтеза алгоритмов многоальтернативного распознавания образов, заданных сложными эталонными описаниями в виде интервалов эталонных значений и (или) совокупностей эталонных значений своих признаков, на случай возможного наличия класса неизвестных объектов.

Разработан метод применения байесовского подхода при синтезе алгоритмов многоальтернативного распознавания образов на основании количественных и качественных оценок признаков. В качестве рабочей характеристики синтезируемых алгоритмов предложено использовать полную вероятность ошибки распознавания образов.