《机器学习方法用于 miRNA 数据分析研究与实践》开题报告1 研究意义1.1 生物医学大数据随着16年前人类全基因组测序工作的完成，标志着后基因时代的到来。
传统生物学方法已跟不上科学进步的步伐，这就需要计算方法对生物学的引入，生物医学大数据开始在生物研究、医疗诊断等领域发挥作用。
同时也带来了相应的担忧，一方面要解决如何寻找合适的方法处理已然海量的数据，一方面要进一步挖掘前沿未知的生物学突破口以获得更加充分的数据信息，为临床工作提供基础。
1.2 大数据处理之机器学习机器学习作为现在的大热话题，其实是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。
专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。
机器学习已成为新的边缘学科并在高校形成一门课程。
它综合应用心理学、生物学和神经生理学以及数学、自动化和计算机科学形成机器学习理论基础。
1.3 生物信息学、计算生物学基于计算机的先进计算处理方法，并结合到生物学问题的交叉学科生物信息学、计算生物学等专业应运而生，其重要性也日益显现。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
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。
