اختيار المجموعات الفرعية من البيانات الضخمة التي تحتوي على معلومات مشوهة أصبح شائعًا بشكل متزايد في العديد من التطبيقات. ومع ذلك، لا تزال هذه المشكلة تحمل تحديات كبيرة نظرًا لبطء السرعة العامة للطرق الحالية وحساسيتها الشديدة للأطراف الشاذة. لمعالجة هذين التحديين، نقترح طريقة اختيار مجموعات فرعية سريعة وقوية (ARSS). وبشكل خاص في مجال اختيار المجموعات الفرعية، تعد هذه المحاولة الأولى لاستخدام قياس القاعدة-$\ell_{p}(0<p\leq1)$ℓp​(0<p≤1) للخسارة التمثيلية، مما يمنع الأخطاء الكبيرة من الهيمنة على هدفنا. نتيجة لذلك، يتم تعزيز القدرة على مقاومة العناصر الشاذة بشكل كبير.في الواقع، حجم البيانات عادة ما يكون أكبر بكثير من طول الميزات، أي $N \gg L$N≫L. بناءً على هذا الملاحظة، نقترح حلًا سريعًا (عبر ALM والاشتقاقات المكافئة) لتقليل التكلفة الحسابية بشكل كبير، من الناحية النظرية من $O(N^{4})$O(N4) إلى $O(N^{2}L)$O(N2L). أجرت التجارب الواسعة على عشرة مجموعات بيانات معيارية أن طريقة ARSS الخاصة بنا ليس فقط تتفوق على أفضل الطرق الحالية فحسب، بل تعمل أيضًا بأكثر من 10,000 مرة أسرع من الطريقة الأكثر ارتباطًا.