با توجه به نقش بنیادی منابع در کلیه امور و فرایندهای سازمانی، مدیریت صحیح آن ها یکی از الزامات مهم برای هر سازمانی تلقی می گردد. از سوی دیگر، در راستای مدیریت استراتژیک کیفیت، استراتژی هایی موجودند که به منظور اجرای موثر، نیازمند دریافت منابع، به میزان کافی هستند. اما از آنجایی که تخصیص های صورت گرفته عموماً بر اساس تجربه و استدلال های انسانی است، می تواند منجر به عدم تطابق میان میزان منابع مورد نیاز استراتژی ها و میزان منابعی گردد که در عمل به آن ها تخصیص داده می شود. به عبارتی برخی از استراتژی ها با مازاد منابع و برخی دیگر با کمبود مواجه می گردند. از تبعاتِ این عدم تطابق می توان به اتلاف منابع در استراتژی-های نوع اول و همچنین عدم اجرای موثر در استراتژی های نوع دوم اشاره نمود. علاوه بر این، شناسایی و اولویت-بندی استراتژی ها، متناسب با میزان تأثیرگذاری آن ها بر ارتقای کیفیت نیز نقش مهمی در تصمیم گیری های حوزه تخصیص منابع خواهد داشت. با توجه به مطالب عنوان شده، به راهکاری نیاز است که بواسطه آن منابعِ با ارزش سازمان را متناسب با نیاز واقعی هریک از استراتژی ها و میزان تأثیرگذاری آن ها در ارتقای کیفیت، تخصیص داد. به عبارتی هدف، شناسایی انحرافات تخصیص و در ادامه حذف نمودن آن ها است. بر این اساس در این تحقیق، مدل ترکیبی anp-gp ارائه گردید که در مرحله نخست با استفاده از فرایند تحلیل شبکه ای، به بررسی رابطه میان منابع، استراتژی ها و تأثیرگذاری آن ها در ارتقای کیفیت پرداختیم و نشان داده شد که در این سازمان، عدم تطابق یاد شده کاملاً قابل مشاهده است. در مرحله دوم با تشکیل مدل برنامه ریزی آرمانی، این عدم انطباق ها به صورت کمی نشان داده شد و در نهایت نیز با استفاده از ضریب اصلاحیِ محاسبه شده، مدل مذکور اصلاح شد و نهایتاً انحرافی مشاهده نگردید.

امروزه ادراک محتوای ویدئو به یک مسأله مهم برای بسیاری از کاربردها تبدیل شده است. یکی از اساسی ترین فرآیندها به منظور ادراک محتوای ویدئو، ردیابی اشیاء متحرک است که در آن فرآیند موقعیت یابی و تشخیص پیکربندی پویای یک یا چندین شیء متحرک در هر فریم ویدئو صورت می گیرد. در این پایان نامه تمرکز خود را بر یک رویکرد احتمالاتی عمومی که به ساختار بیزین بازگشتی مشهور است، معطوف کرده ایم. در این ساختار با استفاده از اطلاعات مستخرج از ویدئو، توزیع احتمالاتیِ مجهولِ متناظر با حالت اشیاء متحرک، به صورت بازگشتی تخمین زده می شود. در کاربردهای واقعی، روش های ردیابی مبتنی بر ساختار بیزین بازگشتی موفقیت آمیز بوده اند؛ ولی با این وجود حرکات ناگهانی اشیاء متحرک چالشی است که ردیابی را به یک فرآیند دشوار تبدیل می کند. بنابراین مسأله مهمی که در این پایان نامه تمرکز خود را معطوف به حل آن کرده ایم، ارائه یک الگوریتم ردیابی تطبیق پذیر است که بتواند در مقابل حرکات سریع و ناگهانی اشیاء متحرک مقاوم باشد. به همین منظور یک مدل حرکتی جدید و تطبیق پذیر ابداع کرده و آن را در فیلتر ذره ای sir pf که مشهورترین ردیاب مبتنی بر ساختار بیزین بازگشتی است، تعبیه کرده ایم. در این مدل در هر فریم ویدئو، در صورت لزوم، پیکربندی ذرات با استفاده از اطلاعات مدل مشاهده به روز رسانی می شوند. همچنین به جهت فرار از بهینه های محلی در مرحله به روز رسانی پیکربندی ذرات، از الگوریتم جستجوی محلی با رویکرد بهترین پیشرفت، استفاده شده است. سپس مدل حرکتی با استفاده از موقعیت بهترین ذرات در فریم جاری و قبلی به صورت بلادرنگ در حین اجرای الگوریتم، به روز رسانی می-شود. با استفاده از مدل حرکتیِ تطبیق پذیرِ پیشنهادی، الگوریتم ردیابی مقاومی در برابر حرکات سریع اشیاء متحرک ابداع شده است. روش پیشنهادی به صورت تجربی با سایر الگوریتم های ردیابی در مجموعه داده های bobot و spot مقایسه شده و نتایج تجربی برتری روش پیشنهادی را براساس معیارهای مختلف از جمله معیار پاسکال نشان داده اند. از سوی دیگر، روش پیشنهادی دقت فیلتر ذره ای متعارف (sir pf) را براساس معیار پاسکال در حدود 15 درصد بهبود داده است.