《表2基于词汇的代码克隆检测的技术特征》
提示：宽带有限、当前游客访问压缩模式
（3） 基于词汇的代码表征方式依然没有充分利用源代码的信息，比如它会忽略掉源代码中的结构信息.
| 图表编号 | XD0039649400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.04.01 |
| 作者 | 陈秋远、李善平、鄢萌、夏鑫 |
| 绘制单位 | 浙江大学计算机科学与技术学院、浙江大学计算机科学与技术学院、浙江大学计算机科学与技术学院、Faculty of Information Technology, Monash University |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 测试环境配置：Docker技术在恶意代码检测环境部署中的应用》2020.09.20
- 《表2 内部分类代码举例：基于GS1体系的检验检测实验室管理探讨》
- 《表2 未知油的质量浓度：基于LIF技术的光谱特征提取在油类检测中的应用》2020.07.10
- 《表2 缺陷类型以及描述：Stack Overflow的缺陷代码特征分析与相似缺陷检测》2021.03.01
- 《表3 模型检测结果对比：基于CNN-BiLSTM的恶意代码家族检测技术》2020.12.15
- 《表1 模型参数：基于CNN-BiLSTM的恶意代码家族检测技术》2020.12.15
- 《表2：信息技术环境下基于核心素养的高中英语词汇教学》2020.04.01
- 《表2 基于词汇表征的智能代码补全方法的代表文献总结》2020.05.01
- 《表2 检测步数的伪代码：基于行人航位推测技术的智能手机测步算法》2020.07.20
- 《表2 桌面终端硬件：一种基于热克隆仿真技术的桌面终端管理机制》2020.04.05
- 《表2 函数相似度对比：基于API序列和卷积神经网络的恶意代码检测》2020.03.05
- 《表3 样本特征数据集：基于虚拟化环境恶意代码检测系统的设计与实现》2020.02.01
- 《表2 模型测试结果：一种基于行为集成学习的恶意代码检测方法》2019.08.01
- 《表2 实验结果：代码克隆检测方法研究进展》2019.05.05
- 《表2 数据集样本大小：基于卷积神经网络的JavaScript恶意代码检测方法》2019.09.15
- 《表3 基于变更代码内容的特征概要》2019.05.01
- 《表2 测距结果对比：基于特征点提取技术的车辆行车视距检测算法研究》2019.07.15
- 《表1基于文本的代码克隆检测的技术特征》2019.04.01
- 《表4基于语义的代码克隆检测的技术特征》2019.04.01
- 《表3基于语法的代码克隆检测的技术特征》2019.04.01