اخیراً روش جدیدی با نام تجزیۀ نامنفی ماتریسی برای نمایش خطی داده های نامنفی پیشنهاد شده است که علاوه بر کاهش تعداد داده ها، محدودیت روش های کلاسیک را ندارد. در این روش، ماتریس بزرگِ متناظر با  داده های نامنفی به دو ماتریس نامنفی کوچک تجزیه می شود. در این مقاله، ابتدا روش های کلاسیک را مرور می کنیم. سپس تجزیۀ نامنفی ماتریسی با نسخه های مختلف آن معرفی و مسائل مهم داده کاوی مانند رده بندی و خوشه بند...

امروزه حجم عظیمی از مطالعات پزشکی در جهت شناسایی و درمان بیماری هایی است که از طریق ژن منتقل می شود. برای بررسی و نگهداری اطلاعات ژنتیکی، فناوری های مفیدی به وجود آمده است که یکی از ‎‎‎آن ها‏، فناوری ریزآرایه می باشد. تجزیه و تحلیل اطلاعات به دست آمده از ریزآرایه ها به کمک روش های داده کاوی انجام می شود. یکی از این روش ها خوشه بندی است که می تواند در یافتن گروه های واقعی و نهفته در داده ها موثر...

اخیراً روش جدیدی با نام تجزیۀ نامنفی ماتریسی برای نمایش خطی داده های نامنفی پیشنهاد شده است که علاوه بر کاهش تعداد داده ها، محدودیت روش های کلاسیک را ندارد. در این روش، ماتریس بزرگِ متناظر با  داده های نامنفی به دو ماتریس نامنفی کوچک تجزیه می شود. در این مقاله، ابتدا روش های کلاسیک را مرور می کنیم. سپس تجزیۀ نامنفی ماتریسی با نسخه های مختلف آن معرفی و مسائل مهم داده کاوی مانند رده بندی و خوشه بند...

چکیده ندارد.

در این مقاله از ماتریسهایی صحبت می کنیم که درایه هایشان اعداد نامنفی هستند و آنها را ماتریسهای نامنفی می نامیم. اگر تمام درایه های ماتریسی مثبت باشند، آن ماتریس را مثبت می نامیم. این ماتریس ها مخصوصا در نظریه احتمال و فرایندهای مارکف کاربرد دارند. ماتریسهای تصادفی که زیرمجموعه ای از ماتریسهای نامنفی را تشکیل می دهند،  آنهایی هستند که مجموع درایه های هر سطر برابر با 1 است. طیف چنین ماتریسهایی هم...

هدف اصلی این پایان نامه آشنایی با ماتریس همراه و بررسی کاربرد این ماتریس در مسئله مقدار ویژه معکوس و هم چنین مقادیر ریتس ماتریس های نامنفی است. در این رساله ابتدا تجزیه مقدار تکین و تجزیه qr و تجزیه قطبی ماتریس همراه را محاسبه نموده و سپس کران هایی برای مقادیر ویژه این ماتریس ارائه می دهیم. پس از آن در بخشی دیگر ماتریس پنج قطری متشابه با ماتریس همراه و بردارهای ویژه ماتریس همراه را به دست می آو...

تجزیه نامنفی ماتریس روش بسیار مفیدی برای تقریب داده های با ابعاد بالاست که دارای مولفه های نامنفی هستند. این تجزیه در زمینه های بسیاری چون یافتن بردارهای پایه تصویر، خوشه بندی اسناد متنی و غیره کاربرد دارد. در این پایان نامه به بررسی برخی از الگوریتم های موجود برای آن از جمله روش تصویر گرادیان، روش نقطه درونی بر مبنای گرادیان و روش تصویر یکنواخت برزیلای ـ بوروین بر اساس چارچوب کمترین مربعات نام...

تجزیه نامنفی ماتریس nmf از موضوعات به روز در زمینه جبرخطی است که برای تشخیص الگو، تحلیل داده ها و کاهش بعد به کار می رود. در این حوزه هدف، تجزیه ماتریس a شامل داده های نامنفی به حاصل ضرب ماتریس پایه u و ماتریس ضرایب v^t با درایه های نامنفی است. در حالت کلی نیاز به تحلیل و استخراج ویژگی ما را خود به خود به سمت کاهش بعد و فشرده سازی سوق داده است. این عمل برای کاهش هزینه ذخیره سازی اطلاعات و یا اس...

یکی از فرضیات معمول در مدل‌های رگرسیونی، نرمال و مستقل بودن مانده‌ها و آشیانی بودن مدل‌های تحت بررسی است. اما در عمل، با مدل‌های غیرآشیانی و خطاهای همبسته نامنفی نیز مواجه می‌شویم. در این مقاله، انتخاب مدل برای مدل‌های رگرسیونی غیرآشیانی با باقی‌ماندۀ خودبازگشتی نامنفی با توزیع‌های گاما، وایبل و لگ-نرمال به‌عنوان مدل‌های رقیب در نظر گرفته شده است. به‌دلایل فنی پارامترهای موجود در مدل‌ها با استف...

هدف اصلی این پایان نامه بدست آوردن یک تجزیه رتبه کامل پلکانی برای ماتریس های کلا مثبت (نامنفی) و ماتریس های کلا نامثبت (منفی) است و اینکه هر ماتریسی تجزیه رتبه کامل پلکانی ندارد. بدین منظور ابتدا به بیان خواص و چگونگی تجزیه ماتریس های کلا مثبت (نامنفی) پرداخته و سپس با استفاده از این مطالب به معرفی ماتریس های کلا نامثبت (منفی)، خواص وچگونگی تجزیه و تولید آنها می پردازیم.