本文提出了CondTSC框架，通过时间和频率领域的代理目标匹配，结合多视角数据增强和双域训练，提升时间序列分类数据的压缩效果。研究表明该方法在生成符合原始数据分布的合成数据集方面具有优势，为数据集精简和高效学习提供了新可能。