محیطهای هوشمند فراگیر از انواع مختلف حسگرها برای جمعآوری دنباله دادههای تعاملی کاربران بهره می- گیرند. در اینگونه محیطها، با استفاده از این دنبالهها، و رویکردهای دادهکاوی و یادگیری ماشین، عملِ کاربر بازشناسی، و بر حسب آن، خدماتی به وی ارائه خواهند شد. در محیطهای فراگیرِ چند کاربره، دنباله دادههای کاربران در طول زمان در هم تنیده خواهند شد. این دنبالههای در هم تنیده را دادههای مجتمع مینامند. استنتاج اعمال با استفاده از دادههای ناهمگونِ مجاور هم در دادههای مجتمع، بسیار چالش برانگیز است. در این مقاله، رویکردی مبتنی بر فیلتر ذرات برای استخراج دنباله دادههای منفرد کاربران از دادههای مجتمع پیشنهاد میدهیم. بدین منظور، قالب خاصی را برای ذرات پیشنهاد کرده، و الگوریتمی را برای تولید، و امتیاز دهی به آنها معرفی میکنیم. پس از استخراج دنباله دادههای کاربران، به بازشناسی اعمال روی هر دنباله منفرد میپردازیم. در ارزیابیها، از یک مجموعه داده خانههای هوشمند استفاده شده است. نتایج نشان میدهند که میزان خلوص دنباله های استخراج شده با افزایش طول دنباله دادههای مجتمع، روندی کاهشی خواهد داشت. همچنین، نتایج نشان میدهند که بازشناسی اعمال روی دنبالههای استخراج شده، کارایی بهتر و یا قابل مقایسه با رویکردهای کلاسیکی دارد که بازشناسی را مستقیما روی دادههای مجتمع انجام میدهند.
