Pattern Recognition Letters（模式识别字母杂志）是由Elsevier出版社主办的一本以计算机科学-COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE为研究方向，OA非开放（Not Open Access）的国际优秀期刊。旨在帮助发展和壮大计算机科学及相关学科的各个方面。该期刊接受多种不同类型的文章。本刊出版语言为English，创刊于1982年。自创刊以来，已被SCIE（科学引文索引扩展板）等国内外知名检索系统收录。该杂志发表了高质量的论文，重点介绍了COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE在分析和实践中的理论、研究和应用。
ISSN：0167-8655
E-ISSN：1872-7344
出版商：Elsevier
出版语言：English
出版地区：NETHERLANDS
出版周期：Monthly
是否OA：未开放
是否预警：否
创刊时间：1982
年发文量：283
影响因子：3.9
研究类文章占比：100.00%
Gold OA文章占比：13.00%
H-index：139
出版国人文章占比：0.27
出版撤稿文章占比：
开源占比：0.04...
文章自引率：0.0588...
《Pattern Recognition Letters》是一份国际优秀期刊，为计算机科学领域的研究人员和从业者提供科学论坛。该期刊涵盖了计算机科学及相关学科的所有方面，包括基础和应用研究，使读者能够获得来自世界各地的最新、前沿的研究。该期刊欢迎涉及计算机科学领域的原创理论、方法、技术和重要应用的稿件，并刊载了涉及计算机科学领域的相关栏目：综述、论著、述评、论著摘要等。所有投稿都有望达到高标准的科学严谨性，并为推进该领域的科研知识传播做出贡献。该期刊最新CiteScore值为12.4，最新影响因子为3.9，SJR指数为1.4，SNIP指数为1.713。
CiteScore指标的应用非常广泛，以期刊的引用次数为基础评估期刊的影响力。它可以反映期刊的学术影响力和学术水平，是学术界常用的期刊评价指标之一。
| CiteScore | SJR | SNIP | CiteScore 排名 | ||||||||||||||||||||
| 12.4 | 1.4 | 1.713 |
|
CiteScore是由Elsevier公司开发的一种用于衡量科学期刊影响力的指标，以期刊的引用次数为基础评估期刊的影响力。这个指标是由Scopus数据库支持，以四年为一个时段，连续评估期刊和丛书的引文影响力的。具体来说，CiteScore是计算某期刊连续三年发表的论文在第四年度的篇均引用次数。CiteScore和影响因子（IF）有所不同。例如，在影响因子的计算中，分子是来自所有文章的引用次数，包括编辑述评、读者来信、更正信息和新闻等非研究性文章，而分母则不包括这些非研究性文章。然而，在CiteScore的计算中，分子和分母都包括这些非研究性文章。因此，如果这些非研究性文章比较多，由于分母较大，相较于影响因子，CiteScore计算出来的分数可能会偏低。此外，CiteScore的引用数据来自Scopus数据库中的22000多个期刊，比影响因子来自Web of Science数据库的11000多个期刊多了一倍。
| 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 | Q2 | 65 / 197 |
67.3% |
| 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 | Q2 | 70 / 198 |
64.9% |
WOS(JCR)分区是由科睿唯安公司提出的一种新的期刊评价指标，分区越靠前一般代表期刊质量越好，发文难度也越高。这种分级体系有助于科研人员快速了解各个期刊的影响力和地位。JCR将所有期刊按照各个学科领域进行分类，然后以影响因子为标准平均分为四个等级：Q1、Q2、Q3和Q4区。这种设计使得科研人员可以更容易地进行跨学科比较。
中科院SCI期刊分区是由中国科学院国家科学图书馆制定的。将所有的期刊按照学科进行分类，以影响因子为标准平均分为四个等级。分区越靠前一般代表期刊质量越好，发文难度也越高。
2023年12月升级版
| Top期刊 | 综述期刊 | 大类学科 | 小类学科 |
| 否 | 否 | 计算机科学 3区 |
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE
计算机：人工智能
3区
|
2022年12月升级版
| Top期刊 | 综述期刊 | 大类学科 | 小类学科 |
| 否 | 否 | 计算机科学 3区 |
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE
计算机：人工智能
3区
|
2021年12月旧的升级版
| Top期刊 | 综述期刊 | 大类学科 | 小类学科 |
| 否 | 否 | 计算机科学 3区 |
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE
计算机：人工智能
3区
|
2021年12月基础版
| Top期刊 | 综述期刊 | 大类学科 | 小类学科 |
| 否 | 否 | 工程技术 3区 |
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE
计算机：人工智能
3区
|
2021年12月升级版
| Top期刊 | 综述期刊 | 大类学科 | 小类学科 |
| 否 | 否 | 计算机科学 3区 |
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE
计算机：人工智能
3区
|
2020年12月旧的升级版
| Top期刊 | 综述期刊 | 大类学科 | 小类学科 |
| 否 | 否 | 计算机科学 3区 |
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE
计算机：人工智能
3区
|
Pattern Recognition Letters(中文译名模式识别字母杂志)是一本专注于工程技术,计算机：人工智能领域的国际期刊，致力于为全球COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE领域的研究者提供一个高质量的学术交流平台。该期刊ISSN：0167-8655，E-ISSN：1872-7344，出版周期Monthly。在中科院的大类学科分类中，该期刊属于计算机科学范畴，而在小类学科中，它主要涵盖了COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE这一领域。编辑部诚挚邀请广大计算机科学领域的专家学者投稿，内容可以涵盖计算机科学的综合研究、实践应用、创新成果等方面。同时，我们也欢迎学者们就相关主题进行简短的交流和评论，以促进学术界的互动与合作。为了保证期刊的质量，审稿周期预计为 约7.2个月 约16周。在此期间，编辑部将对所有投稿进行严格的同行评审，以确保发表的文章具有较高的学术价值和实用性。
值得一提的是，Pattern Recognition Letters近期并未被列入国际期刊预警名单，这意味着其学术质量和影响力得到了广泛认可。该期刊为计算机科学领域的学者提供了一个优质的学术交流平台。因此，关注并投稿至Pattern Recognition Letters无疑是一个明智的选择，这将有助于提升您的学术声誉和研究成果的传播。
多年来，我们专注于期刊投稿服务，能够为您分析推荐目标期刊。凭借多年来丰富的投稿经验和专业指导，我们有效助力提升录用几率。点击以下按钮即可免费咨询。
投稿咨询| 国家 / 地区 | 发文量 |
| CHINA MAINLAND | 442 |
| India | 152 |
| USA | 132 |
| Italy | 97 |
| France | 80 |
| England | 78 |
| Spain | 77 |
| Brazil | 53 |
| Australia | 51 |
| South Korea | 46 |
| 期刊引用数据 | 引用次数 |
| IEEE T PATTERN ANAL | 637 |
| IEEE T IMAGE PROCESS | 401 |
| PATTERN RECOGN LETT | 397 |
| PATTERN RECOGN | 396 |
| INT J COMPUT VISION | 177 |
| J MACH LEARN RES | 108 |
| NEUROCOMPUTING | 97 |
| IEEE T NEUR NET LEAR | 90 |
| ACM T GRAPHIC | 82 |
| IEEE T INF FOREN SEC | 64 |
| 期刊被引用数据 | 引用次数 |
| IEEE ACCESS | 1019 |
| MULTIMED TOOLS APPL | 459 |
| PATTERN RECOGN LETT | 397 |
| PATTERN RECOGN | 339 |
| SENSORS-BASEL | 264 |
| NEUROCOMPUTING | 215 |
| EXPERT SYST APPL | 212 |
| APPL SCI-BASEL | 171 |
| REMOTE SENS-BASEL | 168 |
| SOFT COMPUT | 163 |
| 文章引用数据 | 引用次数 |
| Deep learning for sensor-based activity re... | 166 |
| A survey of recent advances in CNN-based s... | 67 |
| A novel deep learning based framework for ... | 50 |
| Classification of myocardial infarction wi... | 43 |
| LightenNet: A Convolutional Neural Network... | 28 |
| Foreground segmentation using convolutiona... | 25 |
| Fuzzy commonsense reasoning for multimodal... | 25 |
| Multimodal vehicle detection: fusing 3D-LI... | 24 |
| Deep-ECG: Convolutional Neural Networks fo... | 24 |
| Combining CNN streams of RGB-D and skeleta... | 21 |
若用户需要出版服务，请联系出版商：ELSEVIER SCIENCE BV, PO BOX 211, AMSTERDAM, NETHERLANDS, 1000 AE。
