当前位置：首页 SCI 期刊数学 Statistical Analysis And Data Mining(非官网)

Statistical Analysis And Data MiningSCIE

国际简称：STAT ANAL DATA MIN 参考译名：统计分析与数据挖掘

中科院分区
4区
CiteScore分区
Q1
JCR分区
Q1

基本信息：: ISSN：1932-1864; E-ISSN：1932-1872; 是否OA：未开放; 是否预警：否; TOP期刊：否

出版信息：: 出版地区：UNITED STATES; 出版商：Wiley-Blackwell; 出版语言：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

评价信息：: 影响因子：2.1; H-index：26; CiteScore指数：3.2; SJR指数：0.625; SNIP指数：0.982

发文数据：: Gold OA文章占比：24.24%; 研究类文章占比：100.00%; 年发文量：35; 自引率：0.0769...; 开源占比：0.1497; 出版撤稿占比：; 出版国人文章占比：0.09; OA被引用占比：0.0434...

投稿咨询加急见刊

英文简介期刊介绍 CiteScore数据中科院SCI分区 JCR分区发文数据常见问题

英文简介Statistical Analysis And Data Mining期刊介绍

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.

期刊简介Statistical Analysis And Data Mining期刊介绍

《Statistical Analysis And Data Mining》自2008出版以来，是一本数学优秀杂志。致力于发表原创科学研究结果，并为数学各个领域的原创研究提供一个展示平台，以促进数学领域的的进步。该刊鼓励先进的、清晰的阐述，从广泛的视角提供当前感兴趣的研究主题的新见解，或审查多年来某个重要领域的所有重要发展。该期刊特色在于及时报道数学领域的最新进展和新发现新突破等。该刊近一年未被列入预警期刊名单，目前已被权威数据库SCIE收录，得到了广泛的认可。

该期刊投稿重要关注点：

预计审稿时间：
数学
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE
SCIE
中科院4区
非预警

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

CiteScore：3.2
SJR：0.625
SNIP：0.982

学科类别	分区	排名	百分位
大类：Mathematics 小类：Analysis	Q1	41 / 193	79%
大类：Mathematics 小类：Information Systems	Q3	211 / 394	46%
大类：Mathematics 小类：Computer Science Applications	Q3	451 / 817	44%

CiteScore 是由Elsevier(爱思唯尔)推出的另一种评价期刊影响力的文献计量指标。反映出一家期刊近期发表论文的年篇均引用次数。CiteScore以Scopus数据库中收集的引文为基础，针对的是前四年发表的论文的引文。CiteScore的意义在于，它可以为学术界提供一种新的、更全面、更客观地评价期刊影响力的方法，而不仅仅是通过影响因子(IF)这一单一指标来评价。

历年Cite Score趋势图

中科院SCI分区Statistical Analysis And Data Mining 中科院分区

中科院 2023年12月升级版 综述期刊：否 Top期刊：否

大类学科	分区	小类学科	分区
数学	4区	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 计算机：跨学科应用 STATISTICS & PROBABILITY 统计学与概率论	4区 4区 4区

中科院分区表 是以客观数据为基础，运用科学计量学方法对国际、国内学术期刊依据影响力进行等级划分的期刊评价标准。它为我国科研、教育机构的管理人员、科研工作者提供了一份评价国际学术期刊影响力的参考数据，得到了全国各地高校、科研机构的广泛认可。

中科院分区表 将所有期刊按照一定指标划分为1区、2区、3区、4区四个层次，类似于“优、良、及格”等。最开始，这个分区只是为了方便图书管理及图书情报领域的研究和期刊评估。之后中科院分区逐步发展成为了一种评价学术期刊质量的重要工具。

历年中科院分区趋势图

JCR分区Statistical Analysis And Data Mining JCR分区

2023-2024 年最新版

按JIF指标学科分区	收录子集	分区	排名	百分位
学科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE	SCIE	Q3	123 / 197	37.8%
学科：COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS	SCIE	Q3	101 / 169	40.5%
学科：STATISTICS & PROBABILITY	SCIE	Q1	26 / 168	84.8%

按JCI指标学科分区	收录子集	分区	排名	百分位
学科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE	SCIE	Q3	105 / 198	47.22%
学科：COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS	SCIE	Q3	94 / 169	44.67%
学科：STATISTICS & PROBABILITY	SCIE	Q2	69 / 168	59.23%

JCR分区的优势在于它可以帮助读者对学术文献质量进行评估。不同学科的文章引用量可能存在较大的差异，此时单独依靠影响因子(IF)评价期刊的质量可能是存在一定问题的。因此，JCR将期刊按照学科门类和影响因子分为不同的分区，这样读者可以根据自己的研究领域和需求选择合适的期刊。

历年影响因子趋势图

发文数据

2023-2024 年国家/地区发文量统计

国家/地区数量
USA68
CHINA MAINLAND11
Italy9
Iran7
Canada5
England4
Australia3
Poland3
India2
South Korea2

本刊中国学者近年发表论文

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