Приведены описание методики построения нечётких классификаторов данных смешанного типа, их многокритериальная оценка и выбор на основе принципов оптимальности. Методика состоит из следующих основных разделов: 1) трехэтапное построение множества нечётких классификаторов смешанных данных с использованием метаэвристического алгоритма «саранчи»; 2) ранжирование полученных классификаторов по трём критериям: ошибка классификации, количество признаков, количество правил; 3) нормализация рангов; 4) формированные Парето-множества классификаторов; 5) выбор нечёткого классификатора на основе принципов оптимальности.
Для кластеризации имеющейся выборки статистических данных предложена списочная регрессионная модель, содержащая в каждом уравнении списка полный набор входных переменных. Задача оценивания неизвестных параметров этой модели с помощью метода наименьших модулей сведена к задаче частично булевого линейного программирования. Для контроля количества регрессоров в уравнениях списка оптимизационная задача расширена дополнительными ограничениями. Решение этой задачи позволяет получить наилучший состав входящих в уравнения списка регрессоров, коэффициенты уравнений и правило их переключения. Проведены вычислительные эксперименты, подтвердившие корректность разработанного математического аппарата.