Аннотация. Рассмотрена задача нечеткой кластеризации многомерных наблюдений и предложена группа адаптивных алгоритмов самообучения нейронной сети Кохонена для возможностной кластеризации с переменным параметром нечеткости, способных в реальном времени выделять в данных пересекающиеся кластеры. Приведенные алгоритмы характеризуются численной простотой и гибкостью при работе в условиях априорной неопределенности относительно характера распределения данных в кластерах.

Ключевые слова: нечеткая кластеризация, фаззификатор, нейронная сеть Кохонена, алгоритм самообучения.