Abstract
<jats:p>У сучасних умовах глобалізації “інформаційний вибух” призводить до необхідності нового інтегрального погляду на створення в рамках Data Science теоретичних основ аналізу та опрацювання різноманітних інформаційних потоків, що характеризуються великими обсягами, розмірностями, надвисоким ступенем динаміки та невизначеності. Задача кластеризації-класифікації без вчителя масивів даних займає важливе місце у загальній проблемі Data Mining. Існує безліч підходів, методів та алгоритмів для її вирішення, проте, реальні дані, часто забруднені аномальними викидами або збуреннями з негаусівськими розподілами, викликають труднощі для традиційних методів. Метою статті є розробка правдоподібного методу нечіткої кластеризації в онлайн режимі, який поєднує в собі переваги теорії довіри та робастних підходів у задачах нечіткої кластеризації потоків даних.</jats:p>