本研究提出了一种名为KQT-EWMA的算法，用于实时检测多变量数据流中的变化。该算法结合内核量化树和指数加权移动平均，能够在低误报率下实现快速检测，具有高灵活性和实用性。

该论文提出了一种新颖的高维基于图像的覆盖误差处理控制与监测方法，通过构建高维过程模型并提出不同的算法来估计模型中的参数，减轻维度诅咒。设计了指数加权移动平均（EWMA）张量数据控制器，通过检测控制残差来防止高维扰动的显著漂移。与现有的基于图像的反馈控制器相比，该方法在扰动不稳定时表现出明显的优势。