نُقدّم عدة نماذج جديدة لتحليل المصفوفة غير السالبة شبه المُراقب (SSNMF) ونقدّم تبريرًا لنموذج SSNMF كمُقدّرات للاحتمال الأقصى بالاعتماد على توزيعات محددة للغموض. ونُقدّم طرقًا تدريبية تقوم على التحديثات الضربية لكل نموذج جديد، ونُظهر تطبيق هذه النماذج على المهام التصنيفية، على الرغم من مرونتها في تطبيقها على مهام تعلم مراقب أخرى. ونُظهر إمكانات هذه النماذج وطرق التدريب من خلال تجربتها على بيانات صناعية وواقعية، ونُحقّق دقة تصنيف عالية على مجموعة بيانات 20 Newsgroups.