数据集概述
该数据集包含不平衡感知多标签原型生成机制在噪声场景下k近邻分类的详细实验结果，围绕标签级不平衡与噪声问题展开，涵盖无噪声场景、噪声场景及忽略编辑阶段的结果分析，支持相关算法性能评估与研究验证。
文件详解
该数据集包含5个Excel格式文件，具体说明如下：
- Noisy scenarios - Statistical tests (Section 5.2).xlsx：XLSX格式，噪声场景下的统计测试结果，对应论文5.2节
- Noise-free scenarios - Statistical tests (Section 5.1).xlsx：XLSX格式，无噪声场景下的统计测试结果，对应论文5.1节
- Noise-free scenarios (Section 5.1).xlsx：XLSX格式，无噪声场景下的实验结果，对应论文5.1节
- Results ignoring the Editing stage (Section 5.3).xlsx：XLSX格式，忽略编辑阶段的结果，对应论文5.3节
- Noisy scenarios (Section 5.2).xlsx：XLSX格式，噪声场景下的实验结果，对应论文5.2节
适用场景
- 机器学习算法研究：评估不平衡感知多标签原型生成机制在k近邻分类中的性能
- 噪声鲁棒性分析：研究不同原型生成策略在噪声场景下的鲁棒性
- 统计方法验证：验证Friedman和Bonferroni-Dunn等统计测试在算法比较中的应用
- 分类算法优化：支持多标签分类算法在不平衡数据场景下的优化研究
