研究者提出了一种名为CondTSC的新框架，通过匹配代理目标，在时间和频率领域结合多视角数据增强、双域训练和双代理目标，以增强时间序列分类数据压缩过程的效果。实验证明，CondTSC优于其他基线模型，能够学习到符合原始数据分布并表现出理想特性的压缩合成数据集。