기존 준지도 학습의 핵심인 그래프 구축 과정은 낮은 계수 표현(LRR) 방식의 높은 정확도에도 불구하고, 특이값 분해(SVD)에 수반되는 높은 계산 비용으로 인해 처리 속도 문제가 있었습니다. 본 발명은 이러한 한계를 극복하기 위해 '빠른 낮은 계수 표현(Fast Low-Rank Representation)' 기반의 혁신적인 그래프 구축 방법인 FaGLRR과 FaMLRR을 제안합니다. FaGLRR은 Graph-Regularized LRR(GLRR)과 동일한 정확도를 유지하며 획기적으로 빠른 연산을 가능하게 합니다. 또한, Fast MLRR(FaMLRR)은 특정 조건에서 기존 Manifold LRR(MLRR)보다 빠르면서도 더 우수한 결과를 도출합니다. 이 기술은 데이터의 특징 구조를 고성능으로 표현하는 그래프를 효율적으로 생성하여, 준지도 학습 모델의 예측 정확도를 높이고 AI 시스템의 전반적인 처리 속도를 대폭 향상시키는 데 기여합니다. 얼굴 클러스터링, 객체 검출 등 다양한 인공지능 응용 분야에서 핵심적인 성능 개선을 제공할 것으로 기대됩니다.