全文总字数：1722字

1. 研究目的与意义及国内外研究现状

现在发展处于大数据时代，高维数据的研究已经是专家们的研究热点，也是学生们学习的热点。从现有的高维数据的算法中学习能够有效变量筛选方法。

基于贝叶斯中心思想，先验概率加上数据得到后验概率。将贝叶斯思想运用到变量筛选中，了解gibbs抽样，metropolize算法，随机匹配追踪算法等等，加以学习，并且从中能够得到新的变量筛选的想法。

从相关文献中学习相关算法，加以借鉴，改变，提出自己的思想。

2. 研究的基本内容

（1）了解贝叶斯思想；

（2）运用贝叶斯思想的相关算法，gibbs抽样，随机匹配，lasso等算法来对高维数据进行变量筛选，从而达到降维目地，得出较为简化、有效的模型；

（3）提出自己根据前面的算法得出的新的思想；

3. 实施方案、进度安排及预期效果

行方案：

通过查阅书籍、期刊及网络上的一些共享资源，在老师、同学的帮助指导下，运用所学的有关知识，实现对基于贝叶斯思想的变量筛选算法的理论研究。

进度：

4. 参考文献

[1] stochastic matching pursuit for bayesian variable selection,ray-bing chenchi-hsiang chute-you laiying nianwu,2009 21:247-259

[2] across population genomic prediction scenarios in which bayesian variable selection outperforms gblup,s. van den berg, m. p. l. calus2, t. h. e. meuwissen and y. c. j. wientjes,2015:16,146

[3] variable selection by perfect sampling,yufei huang,petar m.djuri,2002:1, 38–45