當前位置：首頁 SCI期刊 SCIE期刊計算機科學(xué) 中科院4區(qū) JCRQ2 期刊介紹(非官網(wǎng))

Advances In Data Analysis And ClassificationSCIE

國際簡稱：ADV DATA ANAL CLASSI 參考譯名：數(shù)據(jù)分析和分類的進展

中科院分區(qū)
4區(qū)
CiteScore分區(qū)
Q1
JCR分區(qū)
Q2

基本信息：: ISSN：1862-5347; E-ISSN：1862-5355; 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)：GERMANY; 出版商：Springer Berlin Heidelberg; 出版語言：English; 出版周期：4 issues per year; 出版年份：2007; 研究方向：STATISTICS & PROBABILITY

評價信息：: 影響因子：1.4; H-index：23; CiteScore指數(shù)：3.4; SJR指數(shù)：0.594; SNIP指數(shù)：1.405

發(fā)文數(shù)據(jù)：: Gold OA文章占比：44.27%; 研究類文章占比：100.00%; 年發(fā)文量：41; 自引率：0.0625; 開源占比：0.3506; 出版撤稿占比：0; 出版國人文章占比：0.02; OA被引用占比：0.1502...

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Advances In Data Analysis And Classification期刊介紹

The international journal Advances in Data Analysis and Classification (ADAC) is designed as a forum for high standard publications on research and applications concerning the extraction of knowable aspects from many types of data. It publishes articles on such topics as structural, quantitative, or statistical approaches for the analysis of data; advances in classification, clustering, and pattern recognition methods; strategies for modeling complex data and mining large data sets; methods for the extraction of knowledge from data, and applications of advanced methods in specific domains of practice. Articles illustrate how new domain-specific knowledge can be made available from data by skillful use of data analysis methods. The journal also publishes survey papers that outline, and illuminate the basic ideas and techniques of special approaches.

期刊簡介Advances In Data Analysis And Classification期刊介紹

《Advances In Data Analysis And Classification》自2007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，得到了廣泛的認可。

該期刊投稿重要關(guān)注點：

預(yù)計審稿時間： 12周，或約稿
計算機科學(xué)
STATISTICS & PROBABILITY
SCIE
中科院4區(qū)
非預(yù)警

Cite Score數(shù)據(jù)（2024年最新版）Advances In Data Analysis And Classification Cite Score數(shù)據(jù)

CiteScore：3.4
SJR：0.594
SNIP：1.405

學(xué)科類別	分區(qū)	排名	百分位
大類：Mathematics 小類：Statistics and Probability	Q1	68 / 278	75%
大類：Mathematics 小類：Applied Mathematics	Q2	190 / 635	70%
大類：Mathematics 小類：Computer Science Applications	Q3	443 / 817	45%

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。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)這一單一指標來評價。

歷年Cite Score趨勢圖

中科院SCI分區(qū)Advances In Data Analysis And Classification 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)	STATISTICS & PROBABILITY 統(tǒng)計學(xué)與概率論	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準。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)的廣泛認可。

中科院分區(qū)表 將所有期刊按照一定指標劃分為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)Advances In Data Analysis And Classification JCR分區(qū)

2023-2024 年最新版

按JIF指標學(xué)科分區(qū)	收錄子集	分區(qū)	排名	百分位
學(xué)科：STATISTICS & PROBABILITY	SCIE	Q2	53 / 168	68.8%

按JCI指標學(xué)科分區(qū)	收錄子集	分區(qū)	排名	百分位
學(xué)科：STATISTICS & PROBABILITY	SCIE	Q2	45 / 168	73.51%

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
Italy27
Spain26
GERMANY (FED REP GER)22
USA20
France15
Japan10
England9
Canada8
Austria7
Belgium5

本刊中國學(xué)者近年發(fā)表論文

1、Sparse correspondence analysis for large contingency tables
Author: Liu, Ruiping; Niang, Ndeye; Saporta, Gilbert; Wang, Huiwen

Journal: ADVANCES IN DATA ANALYSIS AND CLASSIFICATION. 2023; Vol. , Issue , pp. -. DOI: 10.1007/s11634-022-00531-5
2、A class of semi-supervised support vector machines by DC programming
Author: Liming Yang, Laisheng Wang

Journal: Advances in Data Analysis and Classification, 2013, Vol.7, 417-433, DOI:10.1007/s11634-013-0141-7
3、Feature selection for fault level diagnosis of planetary gearboxes
Author: Zhiliang Liu, Xiaomin Zhao, Ming J. Zuo, Hongbing Xu

Journal: Advances in Data Analysis and Classification, 2014, Vol.8, 377-401, DOI:10.1007/s11634-014-0168-4
4、Principal component analysis for probabilistic symbolic data: a more generic and accurate algorithm
Author: Meiling Chen, Huiwen Wang, Zhongfeng Qin

Journal: Advances in Data Analysis and Classification, 2014, Vol.9, 59-79, DOI:10.1007/s11634-014-0178-2
5、Minimum Class Variance SVM+ for data classification
Author: Wenxin Zhu, Ping Zhong

Journal: Advances in Data Analysis and Classification, 2015, Vol.11, 79-96, DOI:10.1007/s11634-015-0212-z
6、Parametric classification with soft labels using the evidential EM algorithm: linear discriminant analysis versus logistic regression
Author: Benjamin Quost, Thierry Den?ux, Shoumei Li

Journal: Advances in Data Analysis and Classification, 2017, Vol.11, 659-690, DOI:10.1007/s11634-017-0301-2
7、A novel method for forecasting time series based on fuzzy logic and visibility graph
Author: Rong Zhang, Baabak Ashuri, Yong Deng

Journal: Advances in Data Analysis and Classification, 2017, Vol.11, 759-783, DOI:10.1007/s11634-017-0300-3