Рассматриваются модели и алгоритмы классификации многомерных данных с использованием различных подходов к построению классификатора применительно к задаче создания контентно-зависимых цифровых водяных знаков. Проводится сравнение исследуемых алгоритмов, синтезированных на основе различных методов машинного обучения (нейронные сети, машины опорных векторов, потенциальные функции). Исследуется вероятность ошибки классификации многомерных данных в зависимости от размерности признакового пространства. Ключевые слова: цифровой водяной знак, классификация данных, радиально-базисные функции, машина опорных векторов, метод потенциальных функций, нейронные сети
