В настоящее время для классификационного анализа многомерных временных рядов актуальной является задача разработки итерационных алгоритмов типа стохастической аппроксимации, в которых дискриминантные функции пересчитываются на каждом шаге появления нового объекта выборки. Обычно разделяющие функции определяются некоторой интегрально-статистической характеристикой классов (модель или эталон класса). Чаще всего в качестве такой модели используется «центр» класса (оценка первого ненормированного момента класса). В работе рассматривается постановка задачи классификации с критерием, зависящим от ненормированных моментов классов.