3.1. Алгоритм DINA.

Для решения такой задачи в алгоритме DINA задается радиус сферы  и первая из появившихся точек объявляется центром первого таксона. При появлении второй точки происходит проверка, не попадает ли она в первый таксон. Для этого вычисляется расстояние от нее до центра первого таксона, и если это расстояние меньше , то вторая точка включается в состав первого таксона, а центр этого таксона, как в алгоритме FOREL, смещается в центр тяжести двух своих внутренних точек. Если же вторая точка отстоит от центра первого таксона на расстояние, большее , то она объявляется центром нового, второго таксона. При появлении каждой очередной точки эти процедуры повторяются и часть этих точек попадает в имеющиеся таксоны, а другие становятся зародышами новых таксонов.

Можно следить за тем, чтобы количество объектов в таксонах было по возможности одинаковым. Если, например, обнаружится, что какой-нибудь таксон включил в себя слишком большое число точек по сравнению с другими таксонами, то его можно разделить на два таксона половинной мощности, расположив центры этих новых таксонов на диаметрально противоположных сторонах сферы родительского таксона.

Переход от описания исходных объектов к описанию их таксонов эквивалентен переходу от данных к знаниям. Если таксономия имеет иерархический характер, то она отображает структуру нашего знания об изучаемом процессе или явлении. Частные знания нижнего уровня объединяются на следующем уровне в знания более высокого уровня или метазнания. В работах В. П. Гладуна и его коллег [27,38,162] описываются алгоритмы динамического построения иерархии понятий («растущие пирамидальные сети») в процессе накопления новых фактов об изучаемом явлении. В этих алгоритмах новые таксоны могут возникать не только при поступлении нового оригинального объекта, но также и при появлении таксона с чрезмерно большим количеством объектов. Такое перегруженное содержанием знание как бы детализируется, разделяется на более мелкие составляющие понятия. Применение данного подхода показало свою высокую эффективность в системах искусственного интеллекта.