У магістерській роботі проаналізовані сучасні проблеми класифікації даних за умов їх викривленості. Досліджені різні моделі іммунних алгоритмів та алгоритмів класифікації, проаналізовані їх переваги та недоліки. Розроблений новий гібридний алгоритм класифікації даних. Створена програмна модель на Java, яка реалізує роботу запропонованого методу. Проведені експериментальні дослідження по класифікації викривлених даних, а також порівняльний аналіз методів розрахунку аффінності, які вказали на їх високу ефективність. КЛАССИФИКАЦИЯ, КЛОНАЛЬНЫЙ ОТБОР, ИСКУССТВЕННАЯ ИММУННАЯ СИСТЕМА, АФФИННОСТЬ, АНТИГЕН, АНТИТЕЛО, CLONALG, PAGERANK, JAVA ABSTRACT In this work analyzes the problem of data classification by the conditions of their vykryvlenosti. Different patterns of immune algorithms and classification algorithms, analyzes their advantages and disadvantages. A new hybrid algorithm for data classification. The software model for Java, which implements the operation of the proposed method. Experimental study on the classification of distorted data, and comparative analysis of methods for calculating the affinity that pointed to their high efficiency. CLASSIFICATION, CLONAL SELECTION, ARTIFICIAL IMMUNE SYSTEM, AFFINE, ANTIGENS, ANTIBODY, CLONALG, PAGERANK, JAVA
