本书通过对传统分类方法马田系统中存在的问题进行创新，包括采用多重马氏距离法、改进质量损失函数和多叉树理论等先进方法来改进马田系统，目的是发展其成为一种高效的时间序列数据分类工具，并将其应用于解决实际问题。同时，鉴于时间序列数据的高维特性，实际应用中常需对其进行局部特征提取或全局特征分解，以降低数据维度。不同类型的时间序列数据需要不同的特征提取方式。因此，本书从不同行业的多种时间序列数据类型出发，深入探讨时间序列特征提取的方法，并进一步探索如何利用上述改进的马田系统方法进行有效的分类。