В работе для интеллектуального анализа больших массивов информации предлагается использовать итерационные алгоритмы типа стохастической аппроксимации. Исследуются критерии качества классификации, зависящие от ненормированных моментов и нулевых моментов классов, а также вид оптимальной классификации. Предложен рекуррентный алгоритм классификации, доказана теорема о его сходимости, обеспечивающая стационарное значение этого критерия качества классификации.