CondTSC

CondTSC是由上海交通大学开发的一个针对时间序列分类的数据集浓缩框架。该数据集包含60条数据，旨在通过双域匹配技术生成一个较小的合成数据集，以保持与完整真实数据集相当的性能。CondTSC通过多视图数据增强、双域训练和双代理目标匹配来增强时间域和频率域的数据浓缩过程。该数据集主要应用于时间序列分析，旨在解决深度学习任务中时间序列数据管理的问题，特别是在训练深度神经网络时。CondTSC is a dataset condensation framework for time series classification developed by Shanghai Jiao Tong University. It generates a small-scale synthetic dataset with 60 data samples via dual-domain matching technology, which is designed to retain performance comparable to that of the full real-world dataset. CondTSC enhances the data condensation process in both time and frequency domains through multi-view data augmentation, dual-domain training, and dual-proxy objective matching. Primarily applied to time series analysis, this framework aims to address the issues of time series data management in deep learning tasks, particularly during the training of deep neural networks.

搜集汇总

数据集介绍

构建方式

CondTSC数据集的构建始于对原始时间序列数据集的类别内样本进行K-means聚类，选取聚类中心作为合成数据集的初始样本。随后，该框架通过多视角数据增强模块，对合成数据依次进行低通滤波、傅里叶变换相位扰动与幅度扰动，将其投影至多个频率增强的空间。接着，双域训练模块分别对时域与频域的合成数据及真实数据进行网络参数训练，并利用双目标匹配模块，在梯度与嵌入空间两个层面上对齐合成数据与真实数据的代理目标，从而迭代优化合成数据集。

特点

该数据集的核心特点在于其深度融合了时域与频域的信息，通过双域匹配策略捕捉时间序列数据在频率域中蕴含的周期性与季节性等关键模式。多视角数据增强技术显著提升了合成数据的鲁棒性与代表性，使其在类别边界处更具区分度。此外，CondTSC生成的合成数据集不仅尺寸极小（可低至原始数据的0.1%），还保持了与原始数据分布的高度一致性，并在跨架构泛化实验中展现出卓越的稳定性与适应性。

使用方法

使用CondTSC时，研究者首先加载预训练的合成数据集，随后采用与原始论文一致的优化设置（如学习率1e-3、训练300轮）在任意选定的网络架构（如CNN、Transformer）上进行模型训练。该合成数据集可作为高效代理数据集用于下游任务，如神经架构搜索，显著降低计算成本与训练时间。评估时，需在相同的测试集上重复多次实验以降低随机性，并报告平均准确率与标准差，从而验证模型的泛化性能。

背景与挑战

背景概述

时间序列数据在交通预测、临床诊断和金融分析等众多领域扮演着至关重要的角色，其指数级增长为深度学习任务带来了存储与处理上的巨大压力。为缓解这一效率瓶颈，数据集蒸馏技术应运而生，旨在生成一个规模远小于原始数据集、但在下游任务中性能可与之媲美的精简合成数据集。然而，现有数据集蒸馏方法主要针对图像和图数据设计，未能有效利用时间序列数据中蕴含的丰富信息，尤其是频域中的周期性与季节性等关键模式。在此背景下，上海交通大学刘占宇等人于2024年在KDD会议上提出了CondTSC框架，该框架首次系统性地探索了时间序列分类任务的数据集蒸馏问题，通过双域匹配策略，开创性地将频域信息融入蒸馏过程，为高效处理大规模时间序列数据提供了新的研究范式。

当前挑战

CondTSC面临的挑战主要来自两方面。其一，在领域问题层面，时间序列数据与图像、图数据存在本质差异，其独特的周期性与季节性等特征在频域中表现尤为突出，而现有蒸馏方法难以捕捉这些深层模式，导致直接迁移至时间序列任务时性能欠佳。如何有效提取并利用频域信息以提升蒸馏效果，是核心挑战。其二，在构建过程中，如何设计一套能够同时匹配时域和频域代理目标的框架，并克服随机初始化在时间序列数据上的不良表现，成为技术难点。此外，多视图数据增强、双域训练与双目标匹配等模块的协同优化，以及超参数（如学习率、迭代次数）的合理设定，亦需精细平衡，以确保合成数据集既能保持原始数据分布特性，又具备跨架构的泛化能力。

常用场景

经典使用场景

CondTSC旨在解决时间序列分类任务中数据集规模庞大导致深度学习模型训练效率低下的难题。该数据集最经典的使用场景是作为原始大规模时间序列数据的紧凑替代品，用于高效训练分类模型。通过双域匹配策略，CondTSC在时域和频域同时优化合成数据集，使其在极小规模下（如原始数据量的0.1%至1%）仍能保持与全量数据相近的分类性能。这一特性使其特别适用于需要快速迭代模型的人体活动识别、昆虫声音分类等时间序列分类任务，显著降低存储和计算开销。

解决学术问题

CondTSC开创性地解决了时间序列数据集压缩这一学术空白。此前数据集蒸馏研究主要聚焦图像与图数据，直接迁移至时间序列会因忽略频域丰富信息而导致次优性能。CondTSC通过引入多视图数据增强、双域训练及双代理目标匹配三大模块，首次系统性地完成了时间序列分类数据的蒸馏任务。该工作证明了频域信息在时间序列数据压缩中的关键作用，为后续研究提供了理论框架与实证基础，推动了数据高效深度学习在时序领域的学术进展。

衍生相关工作

CondTSC的提出催生了时间序列数据高效学习领域的系列后续研究。其双域匹配思想启发了将频域信息融入其他数据压缩任务的工作，如时间序列生成模型的频域约束优化。此外，CondTSC中提出的多视图数据增强模块（低通滤波、相位与幅度扰动）被后续研究借鉴用于时间序列自监督学习中的数据扩充策略。该工作还推动了跨架构泛化能力的研究，实验证明CondTSC合成的数据在不同网络结构（如CNN、Transformer）上均表现稳定，为构建通用时间序列压缩基准提供了重要参考。