희소한 정밀 행렬 추정은 변수들 간의 연결 관계를 조건부 종속성으로 표현하는 가우시안 그래피컬 모형에서 주요 연구 주제이다. 가우시안 분포 가정 하에서 0으로 나타나는 정밀행렬의 비대각 원소는 대응하는 두 변수 사이의 조건부 독립성을 나타내므로 정밀행렬을 정확히 추정하는 것과 0인 성분을 식별하는 것 모두 중요한 문제이다. 정밀행렬 추정을 위해 제안된 방법들 중 역행렬 추정에 대한 제약조건 하에서의 ℓ₁ 최소화 방법 (CLIME) 방법이 다른 방법들과 비교하여 더 나은 성능을 보였으며 이론적인 수렴 속도가 증명되었다. 최근에는 CLIME 방법을 확장한 적응형 CLIME (ACLIME) 방법이 제안되었다. ACLIME 방법은 조율모수가 데이터에 따라 조정되도록 원래의 CLIME을 확장하여 제안된 모형으로 먼저 정밀행렬의 대각성분을 추정 후 이를 활용하여 CLIME의 변형 문제를 해결하여 추정량을 계산한다. CLIME과 ACLIME 방법은 좋은 이론적인 성질을 지님에도 주어진 조율모수마다 p개의 선형계획 문제의 해의 계산이 필요한 계산 비용이 높은 문제이며, 여전히 도전적인 연구주제이다. CLIME 방법의 추정량을 효율적으로 계산하기 위하여 제안된 FASTCLIME 방법은 모수적 심플렉스 방법에 기반한 방법으로 여러 조율 모수에 대한 추정량을 비교적 낮은 계산 비용으로 얻을 수 있다. 본 학위 논문에서는 FASTCLIME이 지닌 문제를 밝히고 이를 수정하여 주어진 조율모수에 대한 CLIME 추정량을 정확히 제공하는 알고리즘을 제안하였다. 수치 실험을 통하여 제안된 알고리즘이 정확한 CLIME 추정량을 제공함과 계산 효율성을 지님을 확인하였다. 또한 본 학위논문에서는 scaled Lasso에 기반한 대각성분 추정 방법과 ACLIME 방법을 결합한 정밀행렬 추정 방법(ACLIME-SL)을 제안하였다. 제안된 추정방법은 ACLIME의 첫번째 대각성분 추정 단계를 scaled Lasso의 추정량을 활용하는 것이며, 이를 통하여 전체적인 조건부 종속성 식별 문제에 대한 위발견율을 낮출 수 있음을 보였다. ACLIME 및 ACLIME-SL에 대한 해-경로 알고리즘을 구현하였으며, 수치실험을 통하여 성능 개선을 확인하였다.