تحليل المصفوفات غير السلبية (NMF)
تحليل المصفوفات غير السلبية (NMF) هو عائلة من الخوارزميات، قدمها لي وسيونغ في ورقتهما البحثية الرائدة في مجلة Nature عام 1999، والتي تفكك مصفوفة بيانات غير سلبية V إلى حاصل ضرب مصفوفتين غير سلبيتين من رتبة أقل، وهما W (مكونات الأساس) و H (معاملات الترميز). على عكس تحليل المكونات الرئيسية (PCA) أو التفكيك بالقيمة المفردة (SVD)، فإن قيد عدم السلبية يجبر الخوارزمية على تعلم تمثيلات إضافية بحتة تعتمد على الأجزاء، مما يجعل العوامل قابلة للتفسير مباشرة كعناصر بناء للبيانات الأصلية.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
المصادر
- Lee, D. D., & Seung, H. S. (1999). Learning the parts of objects by non-negative matrix factorization. Nature, 401(6755), 788–791. DOI: 10.1038/44565 ↗
- Lee, D. D., & Seung, H. S. (2001). Algorithms for non-negative matrix factorization. Advances in Neural Information Processing Systems, 13, 556–562. link ↗
- Cichocki, A., Zdunek, R., Phan, A. H., & Amari, S. (2009). Nonnegative Matrix and Tensor Factorizations: Applications to Exploratory Multi-way Data Analysis and Blind Source Separation. Wiley. ISBN: 978-0-470-74666-0
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Non-negative Matrix Factorization (Lee & Seung, 1999). ScholarGate. https://scholargate.app/ar/machine-learning/non-negative-matrix-factorization
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- تحليل المكونات المستقلة (ICA)تعلم الآلة↔ compare
- تجميع العنقودية باستخدام المتوسطات (K-Means Clustering)تعلم الآلة↔ compare
- تخصيص ديريتشليه الكامن (LDA)تعلم الآلة↔ compare
- تحليل القيم المفردةالطرق العددية↔ compare