67、机器学习算法比较与无人机在复杂地形中的路由规划

机器学习算法比较与无人机在复杂地形中的路由规划

1. 软件错误分类的机器学习算法比较

在软件测试中，自动分类软件错误是确保软件质量的重要工具。研究人员开发了一个软件系统，对kNN、朴素贝叶斯和SVM三种方法进行了比较。

在对450个测试用例的分析中，kNN算法仅用1小时就完成了任务，而人工测试人员手动读取和分类错误大约需要12小时，这表明kNN算法比人工测试快12倍。在处理用Java编写的真实项目软件的500 - 1000个或更多测试用例的大数据集时，kNN算法表现出了卓越的准确性。平均而言，它比SVM方法准确约8%，比朴素贝叶斯方法好25%。使用kNN算法对450个测试用例的错误进行自动分类仅需1小时，比人工测试快约12倍。此外，使用kNN算法对1000个失败测试用例进行聚类的准确率为0.98，是本研究中考虑的聚类方法（kNN、支持向量机和朴素贝叶斯）中最好的结果。

机器学习算法	50个失败测试用例	100个失败测试用例	200个失败测试用例	250个失败测试用例	500个失败测试用例	1000个失败测试用例
kNN	0.73	0.75	0.83	0.85	0.91	0.98