امروزه توسعه محیط های هوشمند فراگیر به موضوعی جذاب برای محققین تبدیل شده است. در این محیط ها، تعاملات کاربر با اشیاء مختلف محیطی در طول زمان، با استفاده از حسگرهایی ثبت شده، و رویدادهای حسگرها به صورت جریانی از داده ها مورد پردازش قرار می گیرند. در این پردازش، عمل کاربر بازشناسی شده، و بر حسب آن، خدماتی به وی ارائه می گردند. در عمده کارهایی که تا کنون برای شناسایی اعمال ارائه شده اند، پیش فرض هایی برای ساده سازی باز شناسی اعمال در نظر گرفته شده و کمتر به موقعیت های پیچیده تر در دنیای واقعی پرداخته شده است. یکی از این پیش فرض ها، محیط تک کاربره است که در آن تمامی رویدادهای حسگرها در اثر تعاملات صرفا یک کاربر با اشیاء محیطی ایجاد می شوند. اما در محیط های با بیش از یک کاربر، دنباله داده ها در اثر تعامل چند کاربر ایجاد شده، و این دنباله ها در طول زمان در هم تنیده خواهند شد. دنباله های در هم تنیده کاربران را داده های مجتمع می نامند. در این حالت، ممکن است ارتباط معنی داری بین رویدادهای متوالی حسگرها وجود نداشته، و از این رو، بازشناسی اعمال روی دنباله داده های مجتمع بسیار چالش برانگیز خواهد بود. در تحقیق حاضر، به استخراج دنباله داده های کاربران از داده های مجتمع می پردازیم. پس از استخراج این دنباله ها، اعمال کاربران را می توان برای هر دنباله بازشناسی کرد. بدین منظور، هر دنباله را یک زنجیره مارکوف در نظر گرفته و با رویکردی مبتنی بر فیلتر ذرات، آنها را از داده های مجتمع استخراج می کنیم.
