- 研究背景
机器学习是近20多年兴起的一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与统计推断学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。很多推论问题属于无程序可循难度，所以部分的机器学习研究是开发容易处理的近似算法。
机器学习已经有了十分广泛的应用，例如：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断等，本课题主要探讨机器学习在药学方面的应用。
- 研究的目的与意义
本论文研究的主要目的是，运用机器学习算法，解决药学中如药物设计，专利分类，医疗数据挖掘等出现的问题，并且高效率的解决这些问题。通过使用机器学习方法将药物研发自动化和提高预测技术，不仅加快了药物的研发过程，而且降低了成本。 本课题研究学习机器学习方法在药学各学科如药理学、药剂学、药物代谢动力学、药物发现等方面的应用。
- 研究主要内容和方法
内容：
（一）在疾病辅助诊断中的应用。在疾病进行辅助诊断的过程中，运用有效的数据挖掘技术能够高效、快速地提取患者的历史医疗数据，并在其中选出有利于诊断的价值信息。在疾病辅助诊断中应用机器学习技术，便于医疗工作人员快速获取患者的年龄、检查结果、生理指标、过往病史等重要的信息，辅助医生对疾病作出诊断。和原有的技术相比，大大的提高了诊断的速度，还能排除有害的干扰因素。
（二）在药物开发中的应用。药物开发是医疗事业严格且重要的环节，对药物进行开发时，其过程是十分关键的。将其应用到实际中时，需要通过筛选的方法发现问题。筛选的办法，通常情况下需要很长的时间和很昂贵的费用。通过先进的技术建立药物的开发系统，能够有效地对新药物进行研究并减少开发的时间。
（三）在图像分析和解释中的应用。在医疗事业中图像分析主要是应用在 X 光射线机拍摄的照片、发射单光子计算机断层扫描仪和核磁共振成像等的图像中，用于鉴别图像信息并获取重要的信息。这样的技术还能被应用在现代的智能化医学中，通过对图像进行自动的切分完成诊断的过程。
方法：
1、文献资料法：通过查看历史的文献资料，找出人民币升值对我国医药进出口的总体影响进行定性分析。
2、统计分析法：利用人民币汇率变化与中国医药进出口额的变化数据建立二者之间的数学模型，进行定量分析，解释二者之间相互关系的原因，并从经济学角度进行分析。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
