本书围绕时间序列数据挖掘中的“表示”与“分类”展开研究。在时间序列表示方面，探讨符号化表示及基于符号化的度量方法，兼顾数据压缩与特征保留；在shapelets发现上，通过关键点检测挖掘具有判别性的局部子序列；还将shapelets应用于早期分类，在数据观测不完全时实现精准早分类；针对一元和多元时间序列分类，分别研究间隔特征提取与选择，提升模型鲁棒性与可解释性及分类性能。