Neotype designation and redescription of Tropidophorus guangxiensis Wen,1992 (Squamata:Sauria:Scinci

来源 :动物学研究 | 被引量 : 0次 | 上传用户:meteora5
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
The genus Tropidophorus consists of small semi-aquatic lizards that dwell in lowland forest steams (Barbour,1921;Bauer & Jackman,2008).Here,we designate the neotype and re-describe T.guangxiensis Wen,1992 based on newly collected topotypic specimens.We also describe a new subspecies from Xuefeng Mountain,Hongjiang County,Hunan Province,central South China.Based on two mitochondrial genes (12S rRNA and 16S rRNA),the phylogenetic position of T.guangxiensis is allocated for the first time.Additionally,our data strongly support that the new subspecies is phylogenetically closely related to T.g.guangxiensis.We also present a morphological identification key for known species and subspecies of Tropidophorus in China.
其他文献
在线性代数课程中进行课程思政教学案例的设计,应以课程内容为源头,综合运用学习的课堂、文化的课堂、实践的课堂.在学习的课堂,通过深入挖掘知识点,帮助学生理解线性代数知识体系中蕴含的马克思主义哲学观;在文化的课堂,通过数学史料的讲解,帮助学生树立文化自信,激发爱国情怀;在实践的课堂,通过应用实例的分析和实践,激励学生学以致用,报效祖国.
给出了矩阵或线性变换可对角化的其他判定准则,并且作为应用,给出了复正规阵可对角化以及实对称阵可实对角化的直接证明.
胞腔理论是Kazhdan-Lusztig理论中的核心理论之一,它对Coxeter群以及Hecke代数的表示起着重要作用.本文借助Matlab软件,对于对称群中的任意一个置换,可以很快得出其所对应的标准Young表;其次,借助程序,得到了在一定情形下,一类对称群所对应的双边胞腔、右(左)胞腔的个数.
以科学学习原则、程序教学法原则和《微积分学》课程混合教学实践中测试题的设计实践为基础,给出了主观题客观化设计的基本原则,以及主观题客观化的四种思想方法及教学案例.
基于著名的Hardy-Littlewood猜想,证明了长为3的素数等差数列出现频率最高的公差是素数连乘.另外,举例说明了这种素数等差数列并不一定是三素数最喜欢的分布形式.
从Davey-Stewartson(DS)系列的定义和性质出发,按照标准的无色散方法,研究了DS系列的无色散(半经典)极限.利用整个系列的特征函数的WKB表示,在无色散极限下,得到了无色散DS系列的哈密顿-雅可比型的非线性Lax表示,给出了无色散DS系列的流方程.最后,通过两个例子验证了结论的正确性.
拟共形映射能较好地保持角度,在形状编辑等几何处理领域有着广泛应用.但该类映射不易构造,特别是复杂区域之间的拟共形映射构造,是一个困难且重要的问题.本文研究了一类简单的拟共形映射,即双线性映射,讨论了其伸缩率的分布情况,证明了伸缩率的最大值一定在四边形区域的顶点上取得.相关结论为复杂区域之间拟共形映射的构造提供了良好的理论基础.数值实验验证了结论的正确性.
基于单函数型指标模型,构造了该模型下条件密度和条件众数的估计量,研究了α-混合函数型数据在响应变量随机删失的情况下的条件密度和条件众数估计量的渐近正态分布,用模拟研究说明单函数型指标模型条件众数估计的有效性.
为了进一步提高目标检测任务中的边框回归精度,提出一种基于smoothL1改进的边框回归损失函数.通过自适应地增大smoothL1中非离散点的梯度,缓解了模型反向传播中对离散点和非离散点梯度分布不平衡问题,提高了模型的精度.实验结果表明,在PASCAL VOC2007测试集上,基于改进的smoothL1的目标检测模型Faster R-CNN,平均精度均值(mAP)达到了70.8%,相较smoothL
给出了一类级数的求和公式,并列举其应用.