時系列分類において、形状特徴量（shapelet）に基づくアルゴリズムは解釈のしやすさから広く用いられているが、近年の最先端手法に比して性能が劣っているのが現状である。本研究では、拡張（dilation）の概念を導入した新たな時系列形状特徴量の定式化を提案し、分類の識別力を向上させるための新規形状特徴量を導入する。112のデータセットを用いた実験の結果、本手法は最先端の形状特徴量手法を上回る性能を達成し、近年の最先端手法と同等の精度を実現しつつ、スケーラビリティおよび解釈可能性を損なわないことを示した。