Nuestro interés se centra en la clasificación de series temporales en relación con los sistemas ciberfísicos (CPS) con énfasis en la interacción humano-robot. Proponemos una extensión del clasificador de los k vecinos más cercanos (kNN) para la clasificación de series temporales utilizando números de intervalos (INs). Específicamente, dividimos una serie temporal en ventanas de igual longitud y de cada ventana de datos inducimos una distribución que se representa por un IN. Esto preserva la dimensión temporal en la representación. Las estadísticas de datos de orden ll, representadas por un IN, se emplean implícitamente como características; además, se introducen no linealidades paramétricas para ajustar la relación geométrica (es decir, la distancia) entre las señales y, por lo tanto, ajustar el rendimiento de la clasificación. En conclusión, presentamos el clasificador WINkNN de IN con ventanas cuya aplicación se demuestra comparativamente en dos conjuntos de datos de referencia relacionados, primero, con señales de electroencefalografía (EEG) y, segundo, con señales de audio. Los resultados de WINkNN son superiores en ambos problemas; además, no se requiere preprocesamiento de datos. Se discuten posibles trabajos futuros.