當(dāng)前位置：首頁 SCI期刊 SCIE期刊計算機科學(xué) 中科院4區(qū) JCRQ4 期刊介紹(非官網(wǎng))

Intelligent Data AnalysisSCIE

國際簡稱：INTELL DATA ANAL 參考譯名：智能數(shù)據(jù)分析

中科院分區(qū)
4區(qū)
CiteScore分區(qū)
Q3
JCR分區(qū)
Q4

基本信息：: ISSN：1088-467X; E-ISSN：1571-4128; 是否OA：未開放; 是否預(yù)警：否; TOP期刊：否

出版信息：: 出版地區(qū)：NETHERLANDS; 出版商：IOS Press; 出版語言：English; 出版周期：Bimonthly; 出版年份：1997; 研究方向：工程技術(shù)-計算機：人工智能

評價信息：: 影響因子：0.9; H-index：43; CiteScore指數(shù)：2.2; SJR指數(shù)：0.322; SNIP指數(shù)：0.502

發(fā)文數(shù)據(jù)：: Gold OA文章占比：3.44%; 研究類文章占比：98.99%; 年發(fā)文量：99; 自引率：0.0588...; 開源占比：0.0244; 出版撤稿占比：0; 出版國人文章占比：0.34; OA被引用占比：0

投稿咨詢加急見刊

英文簡介期刊介紹 CiteScore數(shù)據(jù) 中科院SCI分區(qū) JCR分區(qū) 發(fā)文數(shù)據(jù) 常見問題

英文簡介Intelligent Data Analysis期刊介紹

Intelligent Data Analysis?provides a forum for the examination of issues related to the research and applications of Artificial Intelligence techniques in data analysis across a variety of disciplines. These techniques include (but are not limited to): all areas of data visualization, data pre-processing (fusion, editing, transformation, filtering, sampling), data engineering, database mining techniques, tools and applications, use of domain knowledge in data analysis, big data applications, evolutionary algorithms, machine learning, neural nets, fuzzy logic, statistical pattern recognition, knowledge filtering, and post-processing. In particular, papers are preferred that discuss development of new AI related data analysis architectures, methodologies, and techniques and their applications to various domains.

期刊簡介Intelligent Data Analysis期刊介紹

《Intelligent Data Analysis》自1997出版以來，是一本計算機科學(xué)優(yōu)秀雜志。致力于發(fā)表原創(chuàng)科學(xué)研究結(jié)果，并為計算機科學(xué)各個領(lǐng)域的原創(chuàng)研究提供一個展示平臺，以促進計算機科學(xué)領(lǐng)域的的進步。該刊鼓勵先進的、清晰的闡述，從廣泛的視角提供當(dāng)前感興趣的研究主題的新見解，或?qū)彶槎嗄陙砟硞€重要領(lǐng)域的所有重要發(fā)展。該期刊特色在于及時報道計算機科學(xué)領(lǐng)域的最新進展和新發(fā)現(xiàn)新突破等。該刊近一年未被列入預(yù)警期刊名單，目前已被權(quán)威數(shù)據(jù)庫SCIE收錄，得到了廣泛的認(rèn)可。

該期刊投稿重要關(guān)注點：

預(yù)計審稿時間：約3.0個月
計算機科學(xué)
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE
SCIE
中科院4區(qū)
非預(yù)警

Cite Score數(shù)據(jù)（2024年最新版）Intelligent Data Analysis Cite Score數(shù)據(jù)

CiteScore：2.2
SJR：0.322
SNIP：0.502

學(xué)科類別	分區(qū)	排名	百分位
大類：Mathematics 小類：Theoretical Computer Science	Q3	83 / 130	36%
大類：Mathematics 小類：Computer Vision and Pattern Recognition	Q3	70 / 106	34%
大類：Mathematics 小類：Artificial Intelligence	Q3	248 / 350	29%

CiteScore 是由Elsevier(愛思唯爾)推出的另一種評價期刊影響力的文獻計量指標(biāo)。反映出一家期刊近期發(fā)表論文的年篇均引用次數(shù)。CiteScore以Scopus數(shù)據(jù)庫中收集的引文為基礎(chǔ)，針對的是前四年發(fā)表的論文的引文。CiteScore的意義在于，它可以為學(xué)術(shù)界提供一種新的、更全面、更客觀地評價期刊影響力的方法，而不僅僅是通過影響因子(IF)這一單一指標(biāo)來評價。

歷年Cite Score趨勢圖

中科院SCI分區(qū)Intelligent Data Analysis 中科院分區(qū)

中科院 2023年12月升級版 綜述期刊：否 Top期刊：否

大類學(xué)科	分區(qū)	小類學(xué)科	分區(qū)
計算機科學(xué)	4區(qū)	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計算機：人工智能	4區(qū)

中科院分區(qū)表 是以客觀數(shù)據(jù)為基礎(chǔ)，運用科學(xué)計量學(xué)方法對國際、國內(nèi)學(xué)術(shù)期刊依據(jù)影響力進行等級劃分的期刊評價標(biāo)準(zhǔn)。它為我國科研、教育機構(gòu)的管理人員、科研工作者提供了一份評價國際學(xué)術(shù)期刊影響力的參考數(shù)據(jù)，得到了全國各地高校、科研機構(gòu)的廣泛認(rèn)可。

中科院分區(qū)表 將所有期刊按照一定指標(biāo)劃分為1區(qū)、2區(qū)、3區(qū)、4區(qū)四個層次，類似于“優(yōu)、良、及格”等。最開始，這個分區(qū)只是為了方便圖書管理及圖書情報領(lǐng)域的研究和期刊評估。之后中科院分區(qū)逐步發(fā)展成為了一種評價學(xué)術(shù)期刊質(zhì)量的重要工具。

歷年中科院分區(qū)趨勢圖

JCR分區(qū)Intelligent Data Analysis JCR分區(qū)

2023-2024 年最新版

按JIF指標(biāo)學(xué)科分區(qū)	收錄子集	分區(qū)	排名	百分位
學(xué)科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE	SCIE	Q4	173 / 197	12.4%

按JCI指標(biāo)學(xué)科分區(qū)	收錄子集	分區(qū)	排名	百分位
學(xué)科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE	SCIE	Q4	175 / 198	11.87%

JCR分區(qū)的優(yōu)勢在于它可以幫助讀者對學(xué)術(shù)文獻質(zhì)量進行評估。不同學(xué)科的文章引用量可能存在較大的差異，此時單獨依靠影響因子(IF)評價期刊的質(zhì)量可能是存在一定問題的。因此，JCR將期刊按照學(xué)科門類和影響因子分為不同的分區(qū)，這樣讀者可以根據(jù)自己的研究領(lǐng)域和需求選擇合適的期刊。

歷年影響因子趨勢圖

發(fā)文數(shù)據(jù)

2023-2024 年國家/地區(qū)發(fā)文量統(tǒng)計

國家/地區(qū)數(shù)量
CHINA MAINLAND103
USA20
Iran15
Japan10
Brazil9
Chile9
France9
India9
South Korea8
Vietnam8

本刊中國學(xué)者近年發(fā)表論文

1、Efficiently mining maximal l -reachability co-location patterns from spatial data sets
Author: Zou, Muquan; Wang, Lizhen; Wu, Pingping; Tran, Vanha

Journal: INTELLIGENT DATA ANALYSIS. 2023; Vol. 27, Issue 1, pp. 269-295. DOI: 10.3233/IDA-216515
2、A grouping feature selection method based on feature interaction
Author: Zhou, Hongfang; An, Lei; Zhu, Rourou

Journal: INTELLIGENT DATA ANALYSIS. 2023; Vol. 27, Issue 2, pp. 361-377. DOI: 10.3233/IDA-226551
3、Dynamic gaussian deep belief network design and stock market application
Author: Xi, Shuyue; Xu, Xiaozhong

Journal: INTELLIGENT DATA ANALYSIS. 2023; Vol. 27, Issue 2, pp. 519-534. DOI: 10.3233/IDA-216340
4、Temporal motif-based attentional graph convolutional network for dynamic link prediction
Author: Wu, Zheng; Chen, Hongchang; Zhang, Jianpeng; Pei, Yulong; Huang, Zishuo

Journal: INTELLIGENT DATA ANALYSIS. 2023; Vol. 27, Issue 1, pp. 241-268. DOI: 10.3233/IDA-216169
5、A Relief-PGS algorithm for feature selection and data classification
Author: Wang, Youming; Han, Jiali; Zhang, Tianqi

Journal: INTELLIGENT DATA ANALYSIS. 2023; Vol. 27, Issue 2, pp. 399-415. DOI: 10.3233/IDA-216493
6、A novel feature selection method considering feature interaction in neighborhood rough set
Author: Wang, Wenjing; Guo, Min; Han, Tongtong; Ning, Shiyong

Journal: INTELLIGENT DATA ANALYSIS. 2023; Vol. 27, Issue 2, pp. 345-359. DOI: 10.3233/IDA-216447
7、Intrusion detection algorithom based on transfer extreme learning machine
Author: Wang, Kunpeng; Li, Jingmei; Wu, Weifei

Journal: INTELLIGENT DATA ANALYSIS. 2023; Vol. 27, Issue 2, pp. 463-482. DOI: 10.3233/IDA-216475
8、Guided node graph convolutional networks for repository recommendation
Author: Tan, Guoqiang; Shi, Yuliang; Wang, Jihu; Li, Hui; Chen, Zhiyong; Wang, Xinjun

Journal: INTELLIGENT DATA ANALYSIS. 2023; Vol. 27, Issue 1, pp. 181-198. DOI: 10.3233/IDA-216250