در این پژوهش به عواملی که در روند شکل گیری مکاتب تاثیر گذار بوده اند از جمله شاهان و شاه زادگان و خریداران آثار هنری از جمله تجار دوره شاه عباس اول پرداخته شده است و به نقش هنرمند در سیر تحول این مکاتب و تاثیراتی که ایشان به شاگردان و در نتیجه در تحول نگارگری داشته اند و عوامل سیاسی اجتماعی تاثیر گذار در شکل گیری مکتب های نگارگری نگاهی گسترده داشته و در نهایت به تشابه و تفاوت های این مکاتب اشاره شده است

در این پایان نامه مسئله مربوط به پیش بینی ترافیک ویدئو با نرخ بیت متغیر(vbr) مورد بررسی قرار گرفته است. برای اختصاص پویای پهنای باند مناسب جهت دست یابی به کیفیت بالای سرویس، پیش بینی ترافیک ویدئو با نرخ بیت متغیر یک امر ضروری است. مدل¬های خود بازگشتی (ar) به صورت گسترده برای مدل سازی و پیش بینی ترافیک ویدئو استفاده می شوند. معمولاً در این مدلها برای تخمین پارامترهای مدل روش های مبتنی بر کمترین میانگین مربعات (lms) به کار می روند، اما این روشها زمانی که ترافیک ویدئو ذاتاً به صورت پویا باشد کارایی بالایی ندارند. در این پایان¬نامه در ابتدا توسط آزمون bds نشان داده می¬شود که ترافیک ویدئو غیرخطی است، بنابراین دو روش مبتنی بر روشهای غیرخطی برای پیش¬بینی ترافیک ویدئو پیشنهاد میشود. اولین روش پیشنهادی بر اساس روشهای مبتنی بر کرنل در مدل ar است، در این روشها داده های غیرخطی به فضای با ابعاد بالاتر تصویر میشوند، در فضای جدید داده¬ها رفتار خطی از خود نشان میدهند. در این پایان نامه روش klms برای پیش¬بینی اندازه فریمهای p ,i و b و نیز gop استفاده شده است. روش پیشنهادی دوم بر مبنای مدلی از خانواده غیرخطی ar به¬نام مدل lstar است. در این مدل مقادیری که از یک حد آستانه بیشتر هستند با یک مدل ar مدل می شوند و مقادیری که کمتر از حد آستانه هستند با مدل ar دیگری مدل میشوند، انتقال بین دو مدل خطی ar به طور هموار و توسط تابع منطقی صورت میپذیرد. در این پایان نامه با روش¬های تخمین پارامتر klms، روش lstar-klms برای پیش بینی ترافیک ویدئو پیشنهاد می¬شود. در پایان¬نامه حاضر، شبیه¬سازی¬های زیادی بر روی ویدئوهای مختلف با در نظر گرفتن معیارهای مختلف ارزیابی عملکرد، انجام شده است. نتایج حاصله نشان میدهند که روش klms عملکردی نزدیک به روش بهینه wiener-hopf دارد و از روش رایج nlms و نیز سایر روشهایی مانند lmk ،wlmk ،anfis و شبکه های عصبی کارآمدتر است. همچنین روش lstar-klms نسبت به مدلهای ar که برای به دست آوردن ضرایب بهینه مدل از روشهای وینر-هاف بهره میبرند عملکرد بهتری دارد.