본 논문은 고차원 데이터의 차원 축소를 위한 기본적인 기계 학습 기법인 주성분 분석(PCA)의 편향 문제를 해결하기 위해 제안된 공정 PCA(FPCA) 모델에 대한 연구이다. 기존의 FPCA 모델은 계산 비용이 많이 드는 반면, 본 논문에서는 FPCA 모델의 숨겨진 볼록성을 밝히고 고유값 최적화를 통한 볼록 최적화 알고리즘을 제시한다. 제안된 알고리즘은 재구성 손실의 공정성을 유지하면서 성능 저하 없이 기존 SDR 기반 알고리즘보다 8배 빠른 속도를 달성하고, 표준 PCA보다 최대 85% 느린 수준의 속도를 보인다.
