Pētījuma mērķis ir izpētīt un analizēt izplūdušos klasifikācijas algoritmus, noskaidrot to priekšrocības attiecībā pret klasiskiem algoritmiem un sniegt rekomendācijas algoritmu praktiskam pielietojumam. Tieši cilvēku nespēja saprasties ar datoriem un jebkuru programmējamu aparatūru lingvistiskos jēdzienos bijis viens no priekšnoteikumiem kāpēc šis virziens ir tik perspektīvs. Visbiežāk dabā un reālajā dzīvē ir sastopami dati, kas pieder klasei tikai daļēji (piemēram, lietains laiks pieder klasei „labs laiks” ar varbūtību 0.3). Tādejādi, klasiski dati, kuriem viegli var noteikt to piederību – pieder vai nepieder, ir retāk sastopami. Tāpēc arī algoritmi, kas spēj klasificēt izplūdušus datus, kļūst aizvien vajadzīgāki un neaizvietojamāki dažādās dzīves jomās, kur nepieciešams ar tehniku saprasties lingvistiskos jēdzienos. Darbā tiek izmantotas datu ieguves, matemātiskās loģikas, informācijas teorijas metodes, izplūdusī loģika, kā arī modulāro likumu iegūšanas pieeja un automātiska piederības funkciju konstruēšana. Darba ietvaros tika izpētīti klasiskais PRISM un izplūdušais PRISM algoritmi, lai noskaidrotu atšķirības un iespējas uzlabot rezultātu izmantojot izplūduma jēdzienu. Salīdzināti dažādi izplūdušie algoritmi savā starpā - izplūdušais PRISM un Nozīmīgo atribūtu un piederības funkciju meklēšanas algoritms, lai noskaidrotu izplūdušo klasifikācijas algoritmu darbības principus. Pētītas citas radniecīgas metodes izplūdušu datu klasificēšanā. Definēta katra algoritma piemērotība pētāmām datu kopām, lai sasniegtu labākas kvalitātes rezultātus. Sākotnēji tika veikti eksperimenti, lai noskaidrotu prasības datu kopām, pēc tam tika meklētas atbilstošās datu kopas un ar perspektīvākajām veikti papildus eksperimenti, lai atlasītu atbilstošās izmantošanai salīdzinošajā algoritmu iespēju pētīšanā. Sastādīts eksperimentu plāns perspektīvākajām datu kopām ar mērķi veikt izplūdušo klasifikācijas algoritmu salīdzinošo analīzi. Sniegtas rekomendācijas algoritmu izmantošanas iespējām, atkarībā no datu kopas sastāva un struktūras. Darba secinājumos apkopota praktiski izmantojama informācija šo algoritmu lietojumam, atbilstoši datu kopai. Aprakstīti arī iespējamie tālākie pētījuma attīstības virzieni.