Пусть в обучающей выборке имеется множество объектов, объект характеризуется вектором параметров =(x₁,x_2,x₃,...x_n), объекты распределены между кластерами множества .

При задании нового объекта в виде вектора нужно отнести его к одному из кластеров множества . Другими словами, классификация заключается в определении по заданному .

Одним из методом решения задачи классификации является метод, основанный на формуле вероятностей гипотез (формуле Байеса), в соответствии с которой вероятность выбора гипотезы для заданного вычисляется как

|) = (|) () / (),

где (|) — вероятность появления объекта в кластере , () — вероятность того, что произвольный объект обучающей выборки отнесен к кластеру ; () = (|)() — вероятность того, что объект обучающей выборки есть .

Если числовые векторы, то классификация может выполняться на основе сопоставления расстояний от объекта до центров кластеров с отнесением объекта к наиболее близкому кластеру.

Если при классификации документов кластеры являются тематическими, т.е. документ требуется отнести к одной из рубрик (тем), то классификация возможна по степени близости тезаурусных проекций кластеров и классифицируемого документа. В этом случае предварительно разрабатываются предметные онтологии (или тезаурусы) для каждой рубрики (темы). Тезаурусная проекция определяется вектором = (y_1k,...y_nk), где y_ik- характеризует наличие или частотность i -го дескриптора A_i в документах k-го кластера, n - суммарное число разных дескрипторов в используемых онтологиях. Степень r_jk соответствия j-го документа =(x₁,x_2,x₃,...x_n) k-му кластеру можно оценить, например, по косинусу угла между векторами и :

r_jk = */(||*||).

К средствам классификации относят также деревья решений и правила. Деревья состоят из вершин ИЛИ, соответствующих параметрам , исходящие из вершины ИЛИ дуги соответствуют альтернативам — возможным значениям параметра в вершинах для выбора альтернативы используются правила ЕСЛИ…ТО... Правила формируются по имеющейся обучающей выборке. Терминальные вершины соответствуют гипотезам .