- 综合排序
- 最热优先
- 最新优先
- 来自专栏亿源通科技HYC
什么是CEx WDM（Coexistence共存波分复用）？
CEx WDM(Coexistence WDM)，中文名：共存波分。为何起名为“共存”波分？接下来由笔者带大家一起探索一下它的由来。首先，让我们来了解一下无源光网络（PON）。 要让G/EPON与NG-PON1、NG-PON2系统3种系统共享，这时需要用到CEx波长共存原件，又称为Coexistence WDM（共存波分）。 案例I 配图1.jpg 案例II 配图2.jpg CEx WDM模块是在PON技术演进过程中的产物，在特定的时期，它是一种过度性产品。 随之而来的，CEx WDM模块也将会拥有广泛的应用前景。
1.2K30发布于 2020-12-24 - 来自专栏浅聊区块链
CEX如何追求安全实践？以太坊联合创始人分享见解
FTX 崩盘引发了对集中式加密货币交易所 (CEX) 可信度的重大质疑。FTX 确实是加密领域最受欢迎的交易所之一，它的崩溃给整个加密市场留下了痛苦的烙印。 以太坊的联合创始人Vitalik Buterin分享了关于 CEX 如何使用链上加密方法追求安全实践和建立信誉的重要见解。 Vitalik Buterin 对 CEX 的其他建议以太坊联合创始人进一步建议 CEX 应该保留一些公共的长期使用地址作为资产证明。
51130编辑于 2022-12-01 中心化交易所（CEX）架构：高并发撮合引擎与合规安全体系
中心化交易所（CEX）技术架构深度解析：撮合引擎、安全合规如何支撑万亿级交易生态？引言：当交易规模突破万亿，CEX 的技术护城河在哪里？ 在加密货币市场日均交易额突破 3000 亿美元的今天，中心化交易所（CEX）正面临前所未有的技术挑战：高频交易毫秒级响应需求、机构资金安全存储要求、全球合规监管的动态适配…… 这些痛点背后，是高并发撮合引擎与合规安全体系的双重技术攻坚 内存订单簿：颠覆传统数据库的交易核心传统交易所基于数据库的撮合模式，在处理万级 TPS 时已显瓶颈，而头部 CEX 采用纯内存订单簿技术，将订单数据存储于高速内存中，通过定制化数据结构（如双向链表 + 量子计算时代的未雨绸缪随着量子计算机算力提升，传统 RSA/ECC 加密面临破解风险，头部 CEX 已率先集成XMSS（扩展 Merkle 签名方案）：抗量子特性：基于哈希函数的一次性签名技术，可抵御 动态牌照管理系统面对美国 MSB、欧盟 MiFID II、新加坡 PSA 等 30 + 国家 / 地区的监管要求，CEX 构建了模块化合规引擎：牌照生命周期管理：自动同步各国监管政策变更（如 2024
1.2K11编辑于 2025-06-11- 来自专栏全栈程序员必看
利用R绘制venn图（VennDiagram、eulerr、venneuler、limma）
= 2.5, cat.cex = 2.5, rotation.degree = 45, main = "Complex Venn Diagram", sub = "Featuring: rotation and external lines", main.cex = 2, sub.cex = 1 ); ## Not run: # sample three-set Euler filename = "Euler_3set_simple.jpeg", cat.pos = c(-20, 0, 20), cat.dist = c(0.05, 0.05, 0.02), cex = 2.5, cat.cex = 2.5, cat.pos = 0 ); ## End(Not run) # sample four-set Venn Diagram A <- sample = 2.5, cat.cex = 2.5, reverse = TRUE ); ## Not run: # Example to print to screen venn.plot <-
2.5K20编辑于 2022-09-13 - 来自专栏生信小王子
每个人都用得到的频数分布直方图
=1.5,cex.lab=1.5,main="",ylab="",xlab="",cex.main=1.5) ? ,cex.lab=1.5,main="",ylab="",xlab="",cex.main=1.5) ? ,cex.lab=1.5,main="",ylab="",xlab="",cex.main=1.5) ? ## breaks设置组数 hist(x,col="#6289c3",freq=TRUE,breaks=10,xlim=c(10,35),lwd=2,cex.axis=1.5,cex.lab=1.5,main ="",ylab="",xlab="",cex.main=1.5) ?
1.2K20发布于 2020-08-10 - 来自专栏浅聊区块链
FTX暴雷后，用户都转向DEX了吗？
要点FTX 破产后 CEX 交易量出现下滑；CEX 主导着每日交易量，大部分市场份额被 Binance 和 Coinbase 吞噬；DEX 增长缓慢，Uniswap 在交易量方面领先，而 Pancakeswap 在独立交易者数量方面领先；与 CEX 相比，DEX 的交易量不到 10%（增长空间很大？） CEX 交易量分析这里将在 CoinGecko 上具有高交易量的中心化交易平台定义为头部 CEX。首先，让我们看看 CEX 交易量在 FTX 事件之后如何变化。 如果我们把 DEX 和 CEX 的交易量放在一起做一个对比图呢？CEX VS DEX 交易量分析上图显示了 CEX 和 DEX 的 7 天移动平均交易量。 结论CEX 贡献了大部分交易量，大多数加密货币交易者或持有人优先使用 CEX，CEX 受到更多监管并提供更简单方便的 UX/UI。与 DEX 相比，CEX 的流动性也更高。
47010编辑于 2022-12-06 - 来自专栏用户7627119的专栏
R语言绘图：复杂散点图绘制
panel.cor <- function(x, y, digits = 2, prefix = "", cex.cor, ...) { usr <- par("usr") on.exit(par )) txt <- format(c(r, 0.123456789), digits = digits)[1] txt <- paste0(prefix, txt) if(missing(cex.cor )) cex.cor <- 0.8/strwidth(txt) text(0.5, 0.5, txt, cex = cex.cor * r) } pairs(~ mpg + disp + drat =par("cex"), cex.axis=par("cex.axis"), cex.labels=NULL, cex.main=par("cex.main"), legend.plot =par("cex"), cex.axis=0.8 * par("cex.axis"), cex.lab=par("cex.lab"), font.axis=par("font.axis"),
3.9K20发布于 2020-08-20 - 来自专栏R语言及实用科研软件
🤩 velocyto.R | 可以用R语言做单细胞RNA速率啦！~
~ pca.velocity.plot(rvel.qf,nPcs=5,plot.cols=2,cell.colors=ac(cell.colors,alpha=0.7),cex=1.2,pcount=0.1 ~ pca.velocity.plot(rvel,nPcs=5,plot.cols=2,cell.colors=ac(cell.colors,alpha=0.7),cex=1.2,pcount=0.1, ~ pca.velocity.plot(rvel1,nPcs=5,plot.cols=2,cell.colors=ac(cell.colors,alpha=0.7),cex=1.2,pcount=0.1 (emb,vel,n=100,scale='sqrt',cell.colors=ac(cell.colors,alpha=cell.alpha),cex=cell.cex,arrow.scale=arrow.scale =cell.cex,arrow.scale=arrow.scale,show.grid.flow=TRUE,min.grid.cell.mass=0.5,grid.n=20,arrow.lwd=2)
1.8K01编辑于 2025-02-05 - 来自专栏生信补给站
R相关图形参数
=2,cex.lab=1.5, #各种字体的大小 col="blue", #颜色 pch=19,cex=1) #pch代表点的形状，数字表示 abline(lm(cars1dist~cars1speed lines(lowess(cars1speed,cars1dist),col="red",lwd=3,lty=2) text(cars1speed,cars1dist,row.names(cars1),cex 5,4,4,2) + 0.1) #内边距 margin设置 plot(x,y,type="p",xlab="X",ylab="Y") #画图 text(2,7,"画图区",col="red",cex =2) text(3,9,"novogene:gwas",col="red",cex=1) box("plot",col="red") #边框红色 mtext("内边距 ",side=3,line=2,cex=2,col="green") #内边框绿色 box("figure",col="green") mtext("外边距",side=1,line=1,cex=2
1.3K20发布于 2020-08-06 - 来自专栏全栈程序员必看
R语言plot参数_plot函数参数
或者 title(“Main Title”, sub = “sub title”, cex.main = 2, font.main= 4, col.main= “blue”, cex.sub = 0.75 (6) asp 限定 y/x aspect 比率 (7) points and lines 参数描述 pch 指定绘制点时使用的符号 cex 指定符号的大小。 默认大小为1，1.5表示放大为默认值的1.5倍，0.5表示缩小为默认值的50%，等等 cex.axis 坐标轴刻度文字的缩放倍数。类似于cex cex.lab 坐标轴标签（名称）的缩放倍数。 类似于cex cex.main 标题的缩放倍数。类似于cex cex.sub 副标题的缩放倍数。类似于cex 用于指定字体族、字号和字样的参数 font 整数。用于指定绘图使用的字体样式。 文本的最终大小为 ps*cex family 绘制文本时使用的字体族。
1.9K10编辑于 2022-11-03 - 来自专栏小明的数据分析笔记本
按照实际比例画韦恩图的R包~eulerr
= list(c(25,5,5, 1,1,1,1), col="black", cex =4), labels = list(col="white",font=3,cex=2)) 修改边框的颜色 plot(euler(dat), fills = list(fill = list(c(25,5,5, 1,1,1,1), col="black", cex =4), labels = list(col="white",font=3,cex=2), edges = list(col="white",alpha=0)) 修改边框的线型 = list(c(25,5,5, 1,1,1,1), col="black", cex
3.8K40编辑于 2021-12-22 - 来自专栏生信菜鸟团
如何用GEO数据集进行批量基因的COX回归分析
0,2.6) par(mar=c(4,2.5,2,0)) plot(1,xlim=xlim,ylim=ylim,type="n",axes=F,xlab="",ylab="") text.cex =0.6 text(0,n:1,gene,adj=0,cex=text.cex) text(1.5-0.5*0.2,n:1,pVal,adj=1,cex=text.cex);text(1.5 -0.5*0.15,n+1,'pvalue',cex=text.cex,font=2,adj=1) text(2.5,n:1,Hazard.ratio,adj=1,cex=text.cex);text (2.45,n+1,'Hazardratio',cex=text.cex,font=2,adj=1,) #绘制森林图 par(mar=c(4,0,2,1),mgp=c(2,0.5,0)) abline(v=1,col="gray",lty=2,lwd=1.5) boxcolor = '#104E8B' points(as.numeric(hr), n:1, pch = 15, cex
6K31发布于 2021-03-23 - 来自专栏生物信息学、python、R、linux
WGCNA
= 1.5, cex.axis = 1.5, cex.main = 2) 这样的样本有outlier,需要cut掉 ? = 1.5, cex.axis = 1.5, cex.main = 2) ? =cex1,col="red"); # this line corresponds to using an R^2 cut-off of h abline(h=0.90,col="red") # Mean main = paste("Mean connectivity")) text(sft$fitIndices[,1], sft$fitIndices[,5], labels=powers, cex =cex1,col="red") ?
1.7K22发布于 2020-04-01 - 来自专栏优雅R
TidyFriday 快为你的 R 语言基础绘图系统设定绘图主题吧！
grey", pch = 1) # basetheme("clean") 会返回一个 list，可以通过下面的方式对其中的设置进行微调 theme <- basetheme("clean") theme$cex.main = unique(iris$Species), col = lab2col(unique(iris$Species)), pch = par("pch"), cex = unique(iris$Species), col = lab2col(unique(iris$Species)), pch = par("pch"), cex = unique(iris$Species), col = lab2col(unique(iris$Species)), pch = par("pch"), cex = unique(iris$Species), col = lab2col(unique(iris$Species)), pch = par("pch"), cex
91110发布于 2020-07-06 - 来自专栏R语言交流中心
R语言实现meta分析过程中的可视化展示
=cbind(dat.bcg$tpos, dat.bcg$tneg,dat.bcg$cpos, dat.bcg$cneg), ilab.xpos=c(-9.5,-8,-6,-4.5), cex 接下来就是对森林图的进一步数据的完善，美化，代码如下： text(-16, -1, pos=4, cex=0.75,bquote(paste("RE Model for All Studies (Q = as in forest()above) and use bold italic ### font and save original settings in object'op' op <- par(cex text(-16, 18.5, pos=4, cex=0.75,bquote(paste("RE Model for Subgroup (Q = ", . -2,"RE Model", pos=4, offset=0, cex=1) ?
4.3K31发布于 2019-07-31 - 来自专栏R语言交流中心
R语言实现基因组的可视化
pretty(par("yaxp")[c(1,2)]),labels=-1*pretty(par("yaxp")[c(1,2)])) mtext("ReadDepth",side=2,line=1.75,cex ,inset=0,legend=c("reverse","forward"),fill=SushiColors(2)(2), border=SushiColors(2)(2),text.font=2,cex =2,las=2,tcl=.2) mtext("log10(P)",side=2,line=1.75,cex=1,font=2) mtext("chromosome",side=1,line=1.75, cex=1,font=2) ? =.75) zoombox() mtext("ReadDepth",side=2,line=1.75,cex=1,font=2) axis(side=2,las=2,tcl=.2) ?
3.1K51发布于 2020-10-23 - 来自专栏YoungGy
R语言_图形初阶
mtcars) dev.off() #图形参数par设置 opar = par(no.readonly=TRUE) par(lty=2,pch=17) #指定线型2和符号形状17 par(lwd=2,cex ,col=color) #图形文字设置 title(main=,col.main=, sub=,col.sub=, xlab=,ylab=, col.lab=,cex.lab =) axis(side=,at=,labels=,pos=,lty=,col=,las=,tck=,) #side的方向是下左上右 text(locator(1),"text to place",cex =0.7,tck=-0.01) mtext("y=1/x",side=4,line=3,cex.lab=1,las=2,col="blue") title("main",xlab="x",ylab="y 数据点右侧文字设置 with(mtcars,{plot(wt,mpg,,yaxt="n",ann=FALSE)}) with(mtcars,text(wt,mpg,row.names(mtcars),cex
80430发布于 2019-05-27 - 来自专栏菜鸟学数据分析之R语言
如何使用R来绘制韦恩图（Venn Diagram）
white", fill=c(colors()[616], colors()[38], colors()[468]), alpha=c(0.6, 0.6, 0.6), lwd=c(1, 1, 1), cex ", col="gray",fill=c(colors()[148], colors()[589], colors()[116]), alpha=c(0.6, 0.6, 0.6), lwd=0.5, cex "white", "white", "white","darkblue", "white", "white", "white","white", "darkgreen", "white"), cex =0.45, cat.cex=0.45) ? =0.45, cat.cex=0.45) ?
6.9K30发布于 2020-08-06 - 来自专栏生信喵实验柴
怎么获得Hazard Ratio？
= c(0,3) par(mar=c(4,2,2,1)) plot(1,xlim=xlim,ylim=ylim,type="n",axes=F,xlab="",ylab="") text.cex =0.8 text(0,n:1,gene,adj=0,cex=text.cex) text(1.5-0.5*0.2,n:1,pVal,adj=1,cex=text.cex);text(1.5-0.5 *0.2,n+1,'pvalue',cex=text.cex,font=2,adj=1) text(3,n:1,Hazard.ratio,adj=1,cex=text.cex);text(3,n+1 ,'Hazard ratio',cex=text.cex,font=2,adj=1,) par(mar=c(4,1,2,1),mgp=c(2,0.5,0)) xlim = c(0,max(as.numeric ifelse(as.numeric(hr) > 1, forestCol, forestCol) points(as.numeric(hr), n:1, pch = 15, col = boxcolor, cex
4K70编辑于 2021-12-15 - 来自专栏生物信息学、python、R、linux
韦恩图
= 'png', margin = 0.2, fill = c('red', 'blue','yellow','green'), alpha = 0.30, col = 'black', cex = 1, fontfamily = 'serif', cat.cex = 1, cat.fontfamily = 'serif') ? 46891581143372_.pic_hd.jpg 常用参数 col ：边框颜色 lwd ：边框线宽度 fill ：填充颜色 alpha：透明度 cex ：标签字体大小 cat.cex ： filename = NULL, fill = c("#F8766D", "#00BFC4","#C77CFF","#7CAE00"), alpha = 0.50, col = 'black', cex = 1, fontfamily = 'serif', cat.cex = 1, cat.fontfamily = 'serif') pdf(file="venn_plot.pdf") grid.draw
1.6K20发布于 2020-04-01
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号