Предложен гибридный метод распознавания, основанный на сочетании логического и статистического подходов к анализу данных и ориентированный на решение задач распознавания многомерных динамически изменяющихся объектов и задач с любыми, в том числе и небольшими объемами обучающих выборок. Метод базируется на адаптивном формировании нового описания, достаточного для построения достоверного решающего правила на представленной выборке данных. Процесс формирования нового описания складывается из построения кластеров или синдромов с использованием аппарата оптимальных тупиковых нечетких тестов и их кодирования с помощью метода наименьших квадратов.