受挖掘机行为监测启发的自适应密度数据流聚类与谱系追踪

《Scientific Reports》：Adaptive density-based data stream clustering and lineage tracking motivated by excavator behavior monitoring

　　摘要挖掘机行为监测推动了在线方法的研究，这些方法在稳定活动标签可用之前对不断演变的传感器流进行组织。自适应密度动态聚类（ADDC）扩展了HDDStream，通过用有界的连续权重替换其二元偏好维度开关，并添加基于持久微簇身份重叠的只读谱系规则。由于原始应用记录缺乏可审计的行为标签，我们在公开的ChronoClust和UCI人体活动识别基准以及标记的MOA流上评估了该方法。在保留的ChronoClust片段上，ADDC在分区质量方面与HDDStream几乎持平（平均非噪声调整兰德指数（ARI）0.2743对0.2739；归一化互信息（NMI）0.5066对0.5055），而两者的噪声F1 = 0，结构事件F1 = 0。在六个交叉拟合的UCI受试者上，效应较小且异质（平均NMI差异+0.0157，95%置信区间[?0.0291, 0.0604]）。在20个未见过的MOA种子对上，仅Jaccard谱系实现了严格拓扑F1 = 0.3599，而历史跟踪为0.1912，距离-匈牙利匹配为0.1295。24个真实分裂拓扑中没有一个被恢复。综上所述，这些实验为两个HDDStream族扩展提供了可重复、机制特定的证据，同时表明挖掘机行为识别需要使用外部验证的活动标签进行单独验证。