想象一条产线同时盯着上千个传感器：有时只有几个读数突然跳高，有时则是许多读数一起轻微偏移。前者容易被“只看最大异常”发现，后者更适合把信号相加。难点是，事先并不知道变化属于哪一种。
Yan、Zhuang 和 Feng 提出一种折中办法。它先在每个候选时刻计算各坐标的 CUSUM——也就是比较该时刻前后累计均值差的指标，再按信号强弱排序，只聚合最靠前的一部分。这里既可以固定取前几个，也可以固定取前一定比例：前者偏向捕捉少数强变化，后者能汇集较分散的弱变化。论文再用 Cauchy combination rule 合并两类检验的 p 值，以适应未知的稀疏程度；需要定位时，则从 p 值最小的那组扫描结果中选出变点。
作者还为方差估计、坐标间相关、极端值聚集和偏斜设计了无需重采样的解析校准。模拟结果据作者报告，在不同稀疏程度下兼具较好的误报控制、检测力与定位效果。不过，其理论建立在时间上独立、坐标间仅弱相关等条件下，更复杂序列中的表现仍需另行判断。