服务器监控同时盯着许多时间段，就像不断追问“这里是不是变了”。问得越多，即使系统一直正常，也更容易撞上几次假警报。Davis 与 Walther 提出的 LBD-FDR，正是为变化数量不断增加的序列设计：它不仅报告变点——数据规律突然改变的位置，还给出变点可能落入的较窄区间，并控制假发现率（FDR），也就是长期重复使用时，所有已报告区间中不含真实变点的平均比例。
方法最关键的一步，是沿用 LBD 精心挑选的一组候选区间，却不再用较保守的 Bonferroni 校正，而改用图结构的 Benjamini–Hochberg 程序 IndBH 来合并局部检验。这样做面向的是生产监控里更实际的问题：变化很多时，与其力求“绝不出现一次误报”，不如明确约束已报结果中误报的占比。作者证明，该方法在有限样本下也能控制 FDR，适用范围包括不预设特定分布的非参数数据和容易出现极端值的重尾数据；在 Gaussian 序列的一些情形中，它还能检出低于控制整体第一类错误方法之检测边界的变化，并不受无法检出的弱变点拖累。原本涉及 NP-hard 问题的 IndBH，也被作者利用区间重叠结构改写为动态规划；特定条件下，计算量可降至接近线性。上述效果目前来自论文的理论推导与模拟比较。