در بخش اول پژوهش حاضر، پس از گذری برمسیر پیموده شده ی عکاسی معاصر از آغاز (دوران قاجار)، دوران پهلوی و سپس سال های دهه ی سی (به عنوان دهه ی آغاز بحث عکاسی هنری)، وارد بحث اصلی می شود، که در مورد نخستین افرادی است که جهت تحصیل عکاسی به صورت آکادمیک وارد دانشگاه هایی در اروپا و امریکا می شوند، و پس از اتمام تحصیل به ایران بازگشته و تعدادی به فعالیت عکاسی در زمینه های مختلفی مانند عکاسی تبلیغاتی، صنعتی، پرتره و خبری و ... می پردازند و یا عده ای در زمینه ی آموزش عکاسی در کنار کسانی مانند احمد عالی و هادی شفاییه و .... قرار گرفته و به آموزش عکاسی می پردازند. نتایج به دست آمده در این بخش؛ نشان می دهد که تعدادی از این افراد پس از بازگشت به ایران بلافاصله به کار عکاسی به صورت حرفه ای مشغول شدند، نقش این افراد همچون آقایان مسعود معصومی، رضانور بختیار، کامران عدل و بیژن بنی احمد در خصوص پیشرفت در زمینه ی عکاسی تبلیغاتی و صنعتی کاملاً مشهود است، با توجه به تجهیزات عکاسی که توسط این افراد به ایران آورده و معرفی شد، در آتلیه های شخصی و همچنین در سازمان های دولتی همچون تلویزیون ملی ایران (توسط کامران عدل)، روزنامه ی اطلاعات (توسط رضانور بختیار)، روزنامه ی کیهان (ایوب کلانتری) و ... تغییراتی چه به لحاظ ابزار و ادوات و چه از نظر شیوه ی عکاسی به وجود آمد. در بخش دوم به بررسی تأثیر نقش این دانش آموختگان به عنوان اساتید عکاسی در دانشگاه های هنری از سال 1361 (ابتدا در دانشکده ی صدا و سیما) پرداخته می شود. و در این میان نقش نهاد دانشگاه در جهت تألیف و نشر کتاب های آموزشی برای رشته ی تازه تأسیس عکاسی در دانشگاه ها پرداخته می شود. در بررسی تأثیر این افراد در بخش آموزش عکاسی به صورت آکادمیک نیز، نقش پررنگ آقایان یحیی دهقانپور و بهمن جلالی به عنوان نخستین اساتید موثر در دانشگاه های هنری، در شناخت و معرفی عکاسی جهان (به خصوص عکاسان دهه ی 70 میلادی) به روشنی مشاهده می شود.

بازنمایی‏های مبتنی‏بر گراف به دلیل نمایش هم‏زمان خصوصیات موجودیت‏ها و روابط دوتایی، استفاده‏ی کاربردی و گسترده‏ای در زمینه‏ی تشخیص الگو دارند. با این حال مشکل اصلی گراف‏ها فقدان عملیات ریاضی پایه‏ای مورد نیاز بسیاری از الگوریتم‏های تشخیص الگو است. به‏منظور غلبه بر این محدودیت، جاسازی گراف در فضای برداری با فراهم آوردن یک نمایش بردار ویژگی برای هر گراف باعث توانمندی در به‏کارگیری ابزارهای یادگیری آماری برای الگوهای ورودی به شکل گراف می‏شود. با این‏حال یافتن نمایش‏های برداری مناسب برای گراف‏ها با پیچیدگی‏هایی همراه است. با وجود روش‏های مختلف جاسازی گراف مشتمل بر سه خانواده‏ی بزرگ کاوش گراف، طیف گراف و عدم شباهت، دو مسئله‏ی متقابل در رابطه با استفاده از آن‏ها وجود دارد، از یک طرف روال‏های جاسازی نباید شامل عملیات هزینه‏بر باشند و از طرف دیگر ویژگی‏های استخراج‏شده از گراف می‏بایست تا جای ممکن اطلاعات گراف به‏ویژه اطلاعات ساختاری را حفظ کنند. این پایان‏نامه، با ارائه‏ی دو چارچوب به برقرای اعتدالی میان زمان جاسازی و حفظ اطلاعات در روند جاسازی می‏پردازد. ایده‏ی اصلی، بهره‏مندی از مزایای معماری سلسله‏مراتبی در حوزه‏ی گراف است. چارچوب اول با معرفی یک الگوریتم خلاصه‏سازی، هرمی از سطوح دقت مختلف گراف ورودی ایجاد می‏کند. جاسازی سطوح مختلف این هرم در فضای برداری، ویژگی‏های سراسری از کل گراف را در کنار ویژگی‏های محلی آن فراهم می‏آورد. این امر باعث تکمیل ویژگی‏های ازدست‏رفته‏ی گراف در فرایند جاسازی می‏شود. علاوه‏براین، جاسازی سطوح دقت پایین گراف، زمان جاسازی گراف را کاهش می‏دهد. چارچوب دوم برای تحلیل بهتر اجزای سازنده‏ی گراف، به تفکیک گراف ورودی می‏پردازد. برای این منظور اطلاعات ازدست‏رفته‏ی گراف در طی خلاصه‏سازی در قالب دو گراف جزئیات نگه‏داری می‏شود. این رویه به‏گونه‏ای انجام می‏شود که بتوان گراف اصلی را با استفاده از گراف خلاصه و گراف‏های جزئیات متناظر با آن بازسازی کرد. سپس جاسازی با استخراج ویژگی از هر یک از سطوح دقت و جزئیات صورت می‏گیرد. همچنین به‏منظورکاهش زمان اجرای جاسازی و براساس ایده‏ی تقسیم و غلبه، درخت تفکیک معرفی می‏شود. ارزیابی‏های انجام‏شده به بررسی روش انتخاب‏شده از هر یک از خانواده‏ها برای جاسازی سطوح مختلف گراف تحت چارچوب‏های سلسله‏مراتبی پیشنهادی می‏پردازند.‏ اصلی‏ترین دستاورد ارزیابی‏های انجام‏شده این است که این چارچوب‏ها مستقل از روش انتخاب‏شده، قابلیت زیادی در بهبود دقت و زمان رده‏بندی دارند.

چکیده ندارد.