當前位置：首頁 JCRQ1 期刊介紹(非官網)

Statistical Analysis And Data MiningSCIE

國際簡稱：STAT ANAL DATA MIN 參考譯名：統計分析與數據挖掘

中科院分區
4區
CiteScore分區
Q1
JCR分區
Q1

基本信息：: ISSN：1932-1864; E-ISSN：1932-1872; 是否OA：未開放; 是否預警：否; TOP期刊：否

出版信息：: 出版地區：UNITED STATES; 出版商：Wiley-Blackwell; 出版語言：English; 出版周期：6 issues/year; 出版年份：2008; 研究方向：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCEC-COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS

評價信息：: 影響因子：2.1; H-index：26; CiteScore指數：3.2; SJR指數：0.625; SNIP指數：0.982

發文數據：: Gold OA文章占比：24.24%; 研究類文章占比：100.00%; 年發文量：35; 自引率：0.0769...; 開源占比：0.1497; 出版撤稿占比：; 出版國人文章占比：0.09; OA被引用占比：0.0434...

投稿咨詢加急見刊

英文簡介期刊介紹 CiteScore數據中科院SCI分區 JCR分區發文數據常見問題

英文簡介Statistical Analysis And Data Mining期刊介紹

Statistical Analysis and Data Mining addresses the broad area of data analysis, including statistical approaches, machine learning, data mining, and applications. Topics include statistical and computational approaches for analyzing massive and complex datasets, novel statistical and/or machine learning methods and theory, and state-of-the-art applications with high impact. Of special interest are articles that describe innovative analytical techniques, and discuss their application to real problems, in such a way that they are accessible and beneficial to domain experts across science, engineering, and commerce.

The focus of the journal is on papers which satisfy one or more of the following criteria:

Solve data analysis problems associated with massive, complex datasets

Develop innovative statistical approaches, machine learning algorithms, or methods integrating ideas across disciplines, e.g., statistics, computer science, electrical engineering, operation research.

Formulate and solve high-impact real-world problems which challenge existing paradigms via new statistical and/or computational models

Provide survey to prominent research topics.

期刊簡介Statistical Analysis And Data Mining期刊介紹

《Statistical Analysis And Data Mining》自2008出版以來，是一本數學優秀雜志。致力于發表原創科學研究結果，并為數學各個領域的原創研究提供一個展示平臺，以促進數學領域的的進步。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，或審查多年來某個重要領域的所有重要發展。該期刊特色在于及時報道數學領域的最新進展和新發現新突破等。該刊近一年未被列入預警期刊名單，目前已被權威數據庫SCIE收錄，得到了廣泛的認可。

該期刊投稿重要關注點：

預計審稿時間：
數學
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE
SCIE
中科院4區
非預警

Cite Score數據（2024年最新版）Statistical Analysis And Data Mining Cite Score數據

CiteScore：3.2
SJR：0.625
SNIP：0.982

學科類別	分區	排名	百分位
大類：Mathematics 小類：Analysis	Q1	41 / 193	79%
大類：Mathematics 小類：Information Systems	Q3	211 / 394	46%
大類：Mathematics 小類：Computer Science Applications	Q3	451 / 817	44%

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表論文的年篇均引用次數。CiteScore以Scopus數據庫中收集的引文為基礎，針對的是前四年發表的論文的引文。CiteScore的意義在于，它可以為學術界提供一種新的、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Statistical Analysis And Data Mining 中科院分區

中科院 2023年12月升級版 綜述期刊：否 Top期刊：否

大類學科	分區	小類學科	分區
數學	4區	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計算機：人工智能 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 計算機：跨學科應用 STATISTICS & PROBABILITY 統計學與概率論	4區 4區 4區

中科院分區表 是以客觀數據為基礎，運用科學計量學方法對國際、國內學術期刊依據影響力進行等級劃分的期刊評價標準。它為我國科研、教育機構的管理人員、科研工作者提供了一份評價國際學術期刊影響力的參考數據，得到了全國各地高校、科研機構的廣泛認可。

中科院分區表 將所有期刊按照一定指標劃分為1區、2區、3區、4區四個層次，類似于“優、良、及格”等。最開始，這個分區只是為了方便圖書管理及圖書情報領域的研究和期刊評估。之后中科院分區逐步發展成為了一種評價學術期刊質量的重要工具。

歷年中科院分區趨勢圖

JCR分區Statistical Analysis And Data Mining JCR分區

2023-2024 年最新版

按JIF指標學科分區	收錄子集	分區	排名	百分位
學科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE	SCIE	Q3	123 / 197	37.8%
學科：COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS	SCIE	Q3	101 / 169	40.5%
學科：STATISTICS & PROBABILITY	SCIE	Q1	26 / 168	84.8%

按JCI指標學科分區	收錄子集	分區	排名	百分位
學科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE	SCIE	Q3	105 / 198	47.22%
學科：COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS	SCIE	Q3	94 / 169	44.67%
學科：STATISTICS & PROBABILITY	SCIE	Q2	69 / 168	59.23%

JCR分區的優勢在于它可以幫助讀者對學術文獻質量進行評估。不同學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)評價期刊的質量可能是存在一定問題的。因此，JCR將期刊按照學科門類和影響因子分為不同的分區，這樣讀者可以根據自己的研究領域和需求選擇合適的期刊。

歷年影響因子趨勢圖

發文數據

2023-2024 年國家/地區發文量統計

國家/地區數量
USA68
CHINA MAINLAND11
Italy9
Iran7
Canada5
England4
Australia3
Poland3
India2
South Korea2

本刊中國學者近年發表論文

1、A study of the impact of COVID-19 on the Chinese stock market based on a new textual multiple ARMA model
Author: Xu, Weijun; Fu, Zhineng; Li, Hongyi; Huang, Jinglong; Xu, Weidong; Luo, Yiyang

Journal: STATISTICAL ANALYSIS AND DATA MINING. 2023; Vol. 16, Issue 1, pp. 5-15. DOI: 10.1002/sam.11582
2、Feature screening of ultrahigh dimensional longitudinal data based on the C-statistic
Author: Lai, Peng; Di, Qing; Shen, Zhezi; Zhou, Yanqiu

Journal: STATISTICAL ANALYSIS AND DATA MINING. 2023; Vol. 16, Issue 1, pp. 80-91. DOI: 10.1002/sam.11597
3、Evaluation and interpretation of driving risks: Automobile claim frequency modeling with telematics data
Author: Gao, Yaqian; Huang, Yifan; Meng, Shengwang

Journal: STATISTICAL ANALYSIS AND DATA MINING. 2023; Vol. 16, Issue 2, pp. 97-119. DOI: 10.1002/sam.11599
4、Randomized algorithms for tensor response regression
Author: Cheng, Zhe; Xu, Xiangjian; Song, Zihao; Zhao, Weihua

Journal: STATISTICAL ANALYSIS AND DATA MINING. 2023; Vol. 16, Issue 2, pp. 149-161. DOI: 10.1002/sam.11603
5、A new formulation of sparse multiple kernel k-means clustering and its applications
Author: Qu, Wentao; Xiu, Xianchao; Sun, Jun; Kong, Lingchen

Journal: STATISTICAL ANALYSIS AND DATA MINING. 2023; Vol. , Issue , pp. -. DOI: 10.1002/sam.11621
6、Semi-supervised multi-label learning with missing labels by exploiting feature-label correlations
Author: Li, Runxin; Zhao, Xuefeng; Shang, Zhenhong; Jia, Lianyin

Journal: STATISTICAL ANALYSIS AND DATA MINING. 2023; Vol. 16, Issue 2, pp. 187-209. DOI: 10.1002/sam.11607
7、Hierarchy-assisted gene expression regulatory network analysis
Author: Yan, Han; Zhang, Sanguo; Ma, Shuangge

Journal: STATISTICAL ANALYSIS AND DATA MINING. 2023; Vol. , Issue , pp. -. DOI: 10.1002/sam.11609
8、Doubly robust estimation for non-probability samples with modified intertwined probabilistic factors decoupling
Author: Liu, Zhan; Zheng, Junbo; Pan, Yingli

Journal: STATISTICAL ANALYSIS AND DATA MINING. 2023; Vol. , Issue , pp. -. DOI: 10.1002/sam.11614