در این تحقیق، نوسان بازده عرضه های اولیه سهام در کوتاه مدت و بلندمدت مورد بررسی قرار می گیرد. جامعه آماری تحقیق حاضر، کلیه شرکت هایی که برای اولین بار در بورس اوراق بهادار تهران عرضه شده اند می باشد. 75شرکت برای نمونه تحقیق انتخاب شده اند که طی دوره زمانی 1380-1390 مورد بررسی قرار گرفتند. آزمون فرضیه ها نیز با استفاده از روش بازده غیرعادی خرید و نگهداری و رگرسیون سه عاملی فاما و فرنچ صورت پذیرفت. نتایج تحقیق حاکی از آن است که بازده کوتاه مدت تا سه ماه بعد از عرضه بیشتر از بازده شاخص بازار است. بازده بلندمدت در روش بازده غیر عادی خرید و نگهداری کمتر از بازده شاخص و در مدل فاما و فرنچ کمتر از بازده پرتفوهای مشابه بوده است.

در این پژوهش ابتدا یک الگوریتم سریع برای بازشناسی هویت با استفاده از تصاویر مادون قرمز چهره شخص ارائه شده است. الگوریتم پیشنهادی مبتنی بر محاسبه سریع میزان تشابه دو تصویر حرارتی چهره با استفاده از معیار شباهت برگرفته از مفهوم ضرب داخلی سیگنال های دوبعدی توسعه یافته است. همچنین برای بهبود نتایج مربوط به بازشناسی هویت روشی برای ترکیب اطلاعات تصاویر مادون قرمز و تصاویر مرئی نیز ارائه شده است. در این روش ابتدا یک الگوریتم تثبیت برای یکسان سازی اندازه تصاویر مرئی و حرارتی پیشنهاد شده است. در ادامه با اعمال تبدیل موجک گسسته بر روی تصاویر مرئی و حرارتی، مولفه های جزئیات و ضرایب تقریب محاسبه شده و سپس تلفیق اطلاعات مرئی و حرارتی با توجه به وزن های اختصاص یافته به این ضرایب انجام می شود. با اعمال معکوس موجک روی ضرایب تلفیقی، بهترین تصویر ترکیب جهت بازشناسی انتخاب می شود. روش پیشنهادی برای بازشناسی هویت با استفاده از تصاویر مادون قرمز چهره بر روی دو بانک داده ی terravic و utk-iris آزمایش شده است. نرخ بازشناسی برای بانک داده terravic، 6/96% و برای بانک داده utk-iris، 89% به دست آمده است. در ادامه با تلفیق اطلاعات مرئی و حرارتی نرخ بازشناسی برای بانک داده utk-iris به 5/95% افزایش یافته است. نتایج شبیه سازی ها نشان می دهند که الگوریتم ارائه شده علیرغم محاسبات کم، در مقایسه با سایر الگوریتم های موجود، از دقت بالاتری برخوردار می باشد.

یکی از سوالات باز اساسی در نظریه پیوند این است که آیا هر ایده آل کوهن-مکالی همگن در یک حلقه چندجمله ای در یک کلاس پیوند گرنشتاین از یک مقطع کامل است. در اینجا‏، به این سوال در حالتی که ایده آل نامبرده ایده آل استنلی-رایزنر یک مجتمع سادکی به طور ضعیف رأس-تجزیه پذیر باشد جواب مثبت داده می شود. این رده از مجتمع های سادکی شامل مترویدها‏، انتقال یافته ها و گرنشتاین ها است. بعلاوه‏، با ساخت یک مجتمع سادکی نشان داده می شود که خاصیت در کلاس پیوند گرنشتاین بودن با یک مقطع کامل به مشخصه میدان زمینه بستگی دارد. در ادامه‏، به عنوان کاربردی از روش ها‏، نشان داده می شود که حدس تجزیه استنلی در برخی موارد برقرار است.