《Statistics And Computing》雜志的收稿范圍和要求是什么?
來源:優(yōu)發(fā)表網(wǎng)整理 2024-09-18 11:05:30 394人看過
《Statistics And Computing》雜志收稿范圍涵蓋數(shù)學(xué)全領(lǐng)域,此刊是該細(xì)分領(lǐng)域中屬于非常不錯的SCI期刊,在行業(yè)細(xì)分領(lǐng)域中學(xué)術(shù)影響力較大,專業(yè)度認(rèn)可很高,所以對原創(chuàng)文章要求創(chuàng)新性較高,如果您的文章質(zhì)量很高,可以嘗試。
平均審稿速度 較慢,6-12周 ,影響因子指數(shù)1.6。
該期刊近期沒有被列入國際期刊預(yù)警名單,廣大學(xué)者值得一試。
具體收稿要求需聯(lián)系雜志社或者咨詢本站客服,在線客服團(tuán)隊(duì)會及時為您答疑解惑,提供針對性的建議和解決方案。
出版商聯(lián)系方式:SPRINGER, VAN GODEWIJCKSTRAAT 30, DORDRECHT, NETHERLANDS, 3311 GZ
其他數(shù)據(jù)
是否OA開放訪問: | h-index: | 年文章數(shù): |
未開放 | 61 | 141 |
Gold OA文章占比: | 2021-2022最新影響因子(數(shù)據(jù)來源于搜索引擎): | 開源占比(OA被引用占比): |
48.80% | 1.6 | 0.42... |
研究類文章占比:文章 ÷(文章 + 綜述) | 期刊收錄: | 中科院《國際期刊預(yù)警名單(試行)》名單: |
100.00% | SCIE | 否 |
歷年IF值(影響因子):
歷年引文指標(biāo)和發(fā)文量:
歷年中科院JCR大類分區(qū)數(shù)據(jù):
歷年自引數(shù)據(jù):
發(fā)文統(tǒng)計(jì)
2023-2024國家/地區(qū)發(fā)文量統(tǒng)計(jì):
國家/地區(qū) | 數(shù)量 |
England | 75 |
USA | 56 |
France | 28 |
GERMANY (FED REP GER) | 26 |
Australia | 25 |
Italy | 22 |
Spain | 15 |
Singapore | 12 |
CHINA MAINLAND | 11 |
Japan | 11 |
2023-2024機(jī)構(gòu)發(fā)文量統(tǒng)計(jì):
機(jī)構(gòu) | 數(shù)量 |
NEWCASTLE UNIVERSITY - UK | 12 |
UNIVERSITY OF WARWICK | 12 |
CENTRE NATIONAL DE LA RECHERCHE ... | 11 |
LANCASTER UNIVERSITY | 11 |
UNIVERSITY OF LONDON | 11 |
NATIONAL UNIVERSITY OF SINGAPORE | 10 |
IMPERIAL COLLEGE LONDON | 9 |
UNIVERSITY OF NORTH CAROLINA | 9 |
INRAE | 8 |
KING ABDULLAH UNIVERSITY OF SCIE... | 8 |
近年引用統(tǒng)計(jì):
期刊名稱 | 數(shù)量 |
J AM STAT ASSOC | 119 |
STAT COMPUT | 106 |
J R STAT SOC B | 105 |
ANN STAT | 90 |
BIOMETRIKA | 86 |
J MACH LEARN RES | 59 |
COMPUT STAT DATA AN | 56 |
J COMPUT GRAPH STAT | 49 |
J STAT SOFTW | 32 |
BIOMETRICS | 30 |
近年被引用統(tǒng)計(jì):
期刊名稱 | 數(shù)量 |
STAT COMPUT | 106 |
IEEE ACCESS | 93 |
COMPUT STAT DATA AN | 84 |
J COMPUT GRAPH STAT | 53 |
ADV DATA ANAL CLASSI | 52 |
STAT MED | 39 |
COMPUTATION STAT | 37 |
SCI REP-UK | 37 |
J APPL STAT | 33 |
J MULTIVARIATE ANAL | 31 |
近年文章引用統(tǒng)計(jì):
文章名稱 | 數(shù)量 |
A note on using the F-measure fo... | 19 |
Dynamic nested sampling: an impr... | 13 |
Bayesian Additive Regression Tre... | 11 |
Learning Bayesian networks from ... | 9 |
An approach for finding fully Ba... | 9 |
Likelihood-free inference via cl... | 9 |
Control variates for stochastic ... | 8 |
Gradient boosting for distributi... | 7 |
Gaussian variational approximati... | 6 |
Large-scale kernel methods for i... | 6 |
聲明:以上內(nèi)容來源于互聯(lián)網(wǎng)公開資料,如有不準(zhǔn)確之處,請聯(lián)系我們進(jìn)行修改。