رساله ی حاضر تلاش می کند تا بخشی از مهم ترین و اساسی ترین بنیان هایِ ساختار سینمایی و زیبایی شناسی آن یعنی فضای سینمایی را با تکیه بر مفهومِ”فضایِ غیر قابل رویت“ تشریح کند. پژوهش حاضر استدلال می کند که چگونه کارگردان به یاری”فضایِ غیر قابل رویت“ و همچنین صدا، فضایی شکل می دهند که بخش مهمی از تجربه ی تماشای فیلم است و اینکه محدود کردن سینما به سطح قابل رویت، محدود کردن امکانات بیانی سینماست. کارگردانان بسیاری به خصوص در دوران مدرن پهنه ی پرده ی سینما را به فضای غیرقابل رویت گسترش داده اند و ایده هایشان را از طریق این فضای غیر قابل رویت مطرح کرده اند. سینمای میشائیل هانکه با آگاهی از تجربه های سینماگران گذشته در خصوص فضایِ غیر قابل رویت و صدا، این شیوه ی بیانی را به صورت خلاقانه ای بسط و گسترش می دهد. تحقیق حاضر با پی گیری در تاریخ سینما، سیر تحولِ کارکردهای این فضا را تشریح می کند و استدلال می کند که میشائیل هانکه با آگاهی از این سیر و با بسط این ایده ها، توانسته است به تکامل بیان سینمایی یاری رساند. این رساله با تکیه بر آرای متفکران در باب فضای غیر قابل رویت و صدا، تلاش می کند تا نه تنها آثار سینماگران خاصی را دنبال کند، بلکه به دنبال بسط آرا و چهارچوب های نظری پیرامون فضای سینمایی نیز باشد و در پایان به فهمی نو از فضای غیرقابل رویت دست پیدا کند.

یک دسته بند مبتنی بر یادگیری جمعی، شامل مجموعه ای از دسته بندها است که بر روی داده های آموزشی، آموزش داده شده اند. در این پایان نامه، دو روش جدید جهت بهبود کارایی دسته بند جمعی مبتنی بر خوشه بندی، ارائه شده است. علاوه بر آن، روش سومی که از زیرمجموعه های مختلف از ویژگی ها جهت آموزش دسته بندها استفاده می کند، ارائه شده است. همچنین برای محاسبه تنوع در بین دسته بندهای یک یادگیر جمعی، چند معیار تنوع فازی، ارائه شده است. در دو روش پیشنهادی اول، با تعریف خوشه های فازی-شده بهینه، سعی شده است که با در نظر گرفتن همپوشانی مناسب برای مرز خوشه ها، کارایی دستهبندی را افزایش داد. در این دو روش، متناظر با هر خوشه فازی، یک دسته بند آموزش داده می شود و در نهایت دسته بندهای آموزش داده شده، با استفاده از روش رأی اکثریت وزن دار، ترکیب می شوند. این دو روش، جهت تنظیم پارامترهای مدل های ارائه شده، از الگوریتم های بهینه سازی تکاملی، استفاده می کنند. در روش پیشنهادی سوم، به منظور تقسیم کردن فضای ویژگی ها و ایجاد زیرمجموعه های آموزشی، از مفهوم درجه وابستگی استفاده می شود. نتایج آزمایش ها نشان می دهد که روش های پیشنهادی اول و دوم با در نظر گرفتن همپوشانی مناسب برای زیرمجموعههای آموزشی ایجاد شده، در مقایسه با سایر روش های مبتنی بر خوشه بندی، از نظر دقت دسته بندی عملکرد بهتری دارند.