针对即时学习(JITL)策略建模速度慢和模型利用效率不高等问题，提出一种改进的JITL策略。改进的JITL策略从两个角度出发：离线阶段使用K均值聚类算法对历史数据进行预分类，相似样本选择的范围由所有历史数据变为对应模态的历史数据；在线阶段结合模型更新策略，通过减少模型更新频率的方式提高模型利用效率，从而间接提高建模速度。把改进的JITL策略用于非线性多模态过程的故障检测，使用即时特征分析(JITFA)算法作为改进JITL策略中的模型计算统计量。将所提方法应用于一个数值例子和一个Benchmark案例，并与JITFA等五种不同方法进行对比，验证了所提策略和故障检测方法的优越性。