Дисертацію присвячено розробці динамічних методів інтелектуального аналізу викривлених даних в таблицях "об'єкт - властивість" та часових рядах для відновлення даних в on-line режимі, коли дані надходять на обробку послідовно. Розроблено адаптивну нейрон-фаззі систему, що дозволяє розв'язувати задачу відновлення пропусків в on-line режимі з постійною корекцією відновлених елементів та центроїдів кластерів. Розроблено нейрон-фаззі методи для відновлення та кластеризації спотворених даних на основі самоорганізовної нейрон-фаззі мапи Кохонена, що дозволяє обробляти дані в on-line режимі та забезпечує роботу з класами, що перетинаються. Дістали подальший розвиток методи кластеризації даних з пропусками, що засновані на рекурентній оптимізації спеціального виду цільових функцій, в яких спостереження замінюються оцінками, що отримані в процесі розв'язання задачі; методи адаптивної нечіткої кластеризації даних з пропусками, що дозволяють опрацьовувати інформацію на основі стратегії найближчого прототипу-центроїда та забезпечують роботу в on-line режимі. Розв'язано задачі відновлення викривлених даних, наданих заводом рентгенівської техніки та сервісним центром, за допомогою запропонованих методів, що дало можливість пришвидшити роботу відновлення обладнання, яке вийшло з ладу, а також завчасно ідентифікувати можливу несправність.