一二三区在线播放国内精品自产拍,亚洲欧美久久夜夜综合网,亚洲福利国产精品合集在线看,香蕉亚洲一级国产欧美

  • 首頁 > SCI期刊 > SCIE期刊 > 計算機科學(xué) > 中科院4區(qū) > JCRQ3 > 期刊介紹

    Iet Biometrics

    評價信息:

    影響因子:1.8

    年發(fā)文量:18

    生物識別 SCIE

    Iet Biometrics

    《生物識別》(Iet Biometrics)是一本以COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE綜合研究為特色的國際期刊。該刊由Wiley出版商創(chuàng)刊于2012年,刊期Bi-monthly。該刊已被國際重要權(quán)威數(shù)據(jù)庫SCIE收錄。期刊聚焦COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE領(lǐng)域的重點研究和前沿進展,及時刊載和報道該領(lǐng)域的研究成果,致力于成為該領(lǐng)域同行進行快速學(xué)術(shù)交流的信息窗口與平臺。該刊2023年影響因子為1.8。CiteScore指數(shù)值為5.9。

    投稿咨詢 加急發(fā)表

    期刊簡介預(yù)計審稿時間: 33 Weeks

    The field of biometric recognition - automated recognition of individuals based on their behavioural and biological characteristics - has now reached a level of maturity where viable practical applications are both possible and increasingly available. The biometrics field is characterised especially by its interdisciplinarity since, while focused primarily around a strong technological base, effective system design and implementation often requires a broad range of skills encompassing, for example, human factors, data security and database technologies, psychological and physiological awareness, and so on. Also, the technology focus itself embraces diversity, since the engineering of effective biometric systems requires integration of image analysis, pattern recognition, sensor technology, database engineering, security design and many other strands of understanding.

    The scope of the journal is intentionally relatively wide. While focusing on core technological issues, it is recognised that these may be inherently diverse and in many cases may cross traditional disciplinary boundaries. The scope of the journal will therefore include any topics where it can be shown that a paper can increase our understanding of biometric systems, signal future developments and applications for biometrics, or promote greater practical uptake for relevant technologies:

    Development and enhancement of individual biometric modalities including the established and traditional modalities (e.g. face, fingerprint, iris, signature and handwriting recognition) and also newer or emerging modalities (gait, ear-shape, neurological patterns, etc.)

    Multibiometrics, theoretical and practical issues, implementation of practical systems, multiclassifier and multimodal approaches

    Soft biometrics and information fusion for identification, verification and trait prediction

    Human factors and the human-computer interface issues for biometric systems, exception handling strategies

    Template construction and template management, ageing factors and their impact on biometric systems

    Usability and user-oriented design, psychological and physiological principles and system integration

    Sensors and sensor technologies for biometric processing

    Database technologies to support biometric systems

    Implementation of biometric systems, security engineering implications, smartcard and associated technologies in implementation, implementation platforms, system design and performance evaluation

    Trust and privacy issues, security of biometric systems and supporting technological solutions, biometric template protection

    Biometric cryptosystems, security and biometrics-linked encryption

    Links with forensic processing and cross-disciplinary commonalities

    Core underpinning technologies (e.g. image analysis, pattern recognition, computer vision, signal processing, etc.), where the specific relevance to biometric processing can be demonstrated

    Applications and application-led considerations

    Position papers on technology or on the industrial context of biometric system development

    Adoption and promotion of standards in biometrics, improving technology acceptance, deployment and interoperability, avoiding cross-cultural and cross-sector restrictions

    Relevant ethical and social issues

    生物特征識別領(lǐng)域(基于個人的行為和生物特征自動識別個人)現(xiàn)已達到成熟水平,可行的實際應(yīng)用不僅可能而且越來越可用。生物特征識別領(lǐng)域的特點是其跨學(xué)科性,因為雖然主要關(guān)注強大的技術(shù)基礎(chǔ),但有效的系統(tǒng)設(shè)計和實施通常需要廣泛的技能,例如人為因素、數(shù)據(jù)安全和數(shù)據(jù)庫技術(shù)、心理和生理意識等。此外,技術(shù)重點本身包含多樣性,因為有效的生物特征識別系統(tǒng)的工程需要整合圖像分析、模式識別、傳感器技術(shù)、數(shù)據(jù)庫工程、安全設(shè)計和許多其他理解。

    該期刊的范圍故意相對較廣。雖然重點關(guān)注核心技術(shù)問題,但人們認識到這些問題可能本質(zhì)上是多樣化的,在許多情況下可能跨越傳統(tǒng)的學(xué)科界限。因此,該期刊的范圍將包括任何可以證明論文可以增加我們對生物識別系統(tǒng)的理解、預(yù)示生物識別未來發(fā)展和應(yīng)用或促進相關(guān)技術(shù)更廣泛實際應(yīng)用的主題:

    開發(fā)和增強單個生物識別模式,包括既定和傳統(tǒng)模式(例如面部、指紋、虹膜、簽名和手寫識別)以及較新或新興的模式(步態(tài)、耳朵形狀、神經(jīng)模式等)

    多生物識別、理論和實踐問題、實用系統(tǒng)的實施、多分類器和多模式方法

    用于識別、驗證和特征預(yù)測的軟生物識別和信息融合

    生物識別系統(tǒng)的人為因素和人機界面問題、異常處理策略

    模板構(gòu)建和模板管理、老化因素及其對生物識別系統(tǒng)的影響

    可用性和面向用戶的設(shè)計、心理和生理原理和系統(tǒng)集成

    用于生物特征識別處理的傳感器和傳感器技術(shù)

    支持生物特征識別系統(tǒng)的數(shù)據(jù)庫技術(shù)

    生物特征識別系統(tǒng)的實施、安全工程影響、智能卡及相關(guān)實施技術(shù)、實施平臺、系統(tǒng)設(shè)計和性能評估

    信任和隱私問題、生物特征識別系統(tǒng)的安全性和支持技術(shù)解決方案、生物特征識別模板保護

    生物特征識別密碼系統(tǒng)、安全性和與生物特征識別相關(guān)的加密

    與法醫(yī)處理的聯(lián)系和跨學(xué)科共性

    核心基礎(chǔ)技術(shù)(例如生物識別技術(shù)(例如,圖像分析、模式識別、計算機視覺、信號處理等)與生物識別處理的具體相關(guān)性可得到證明。

    應(yīng)用和應(yīng)用主導(dǎo)的考慮

    關(guān)于生物識別系統(tǒng)開發(fā)的技術(shù)或工業(yè)背景的立場文件

    采用和推廣生物識別標(biāo)準(zhǔn),提高技術(shù)接受度、部署和互操作性,避免跨文化和跨部門限制

    相關(guān)的倫理和社會問題

    《Iet Biometrics》(生物識別)編輯部通訊方式為WILEY, 111 RIVER ST, HOBOKEN, USA, NJ, 07030-5774。如果您需要協(xié)助投稿或潤稿服務(wù),您可以咨詢我們的客服老師。我們專注于期刊咨詢服務(wù)十年,熟悉發(fā)表政策,可為您提供一對一投稿指導(dǎo),避免您在投稿時頻繁碰壁,節(jié)省您的寶貴時間,有效提升發(fā)表機率,確保SCI檢索(檢索不了全額退款)。我們視信譽為生命,多方面確保文章安全保密,在任何情況下都不會泄露您的個人信息或稿件內(nèi)容。

    中科院分區(qū)

    2023年12月升級版

    大類學(xué)科 分區(qū) 小類學(xué)科 分區(qū) Top期刊 綜述期刊
    計算機科學(xué) 4區(qū) COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計算機:人工智能 4區(qū)

    2022年12月升級版

    大類學(xué)科 分區(qū) 小類學(xué)科 分區(qū) Top期刊 綜述期刊
    計算機科學(xué) 3區(qū) COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計算機:人工智能 4區(qū)

    2021年12月舊的升級版

    大類學(xué)科 分區(qū) 小類學(xué)科 分區(qū) Top期刊 綜述期刊
    計算機科學(xué) 3區(qū) COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計算機:人工智能 4區(qū)

    2021年12月基礎(chǔ)版

    大類學(xué)科 分區(qū) 小類學(xué)科 分區(qū) Top期刊 綜述期刊
    工程技術(shù) 4區(qū) COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計算機:人工智能 4區(qū)

    2021年12月升級版

    大類學(xué)科 分區(qū) 小類學(xué)科 分區(qū) Top期刊 綜述期刊
    計算機科學(xué) 3區(qū) COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計算機:人工智能 4區(qū)

    2020年12月舊的升級版

    大類學(xué)科 分區(qū) 小類學(xué)科 分區(qū) Top期刊 綜述期刊
    計算機科學(xué) 4區(qū) COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計算機:人工智能 4區(qū)
    名詞解釋:

    基礎(chǔ)版:即2019年12月17日,正式發(fā)布的《2019年中國科學(xué)院文獻情報中心期刊分區(qū)表》;將JCR中所有期刊分為13個大類,期刊范圍只有SCI期刊。

    升級版:即2020年1月13日,正式發(fā)布的《2019年中國科學(xué)院文獻情報中心期刊分區(qū)表升級版(試行)》,升級版采用了改進后的指標(biāo)方法體系對基礎(chǔ)版的延續(xù)和改進,影響因子不再是分區(qū)的唯一或者決定性因素,也沒有了分區(qū)的IF閾值期刊由基礎(chǔ)版的13個學(xué)科擴展至18個,科研評價將更加明確。期刊范圍有SCI期刊、SSCI期刊。從2022年開始,分區(qū)表將只發(fā)布升級版結(jié)果,不再有基礎(chǔ)版和升級版之分,基礎(chǔ)版和升級版(試行)將過渡共存三年時間。

    JCR分區(qū)(2023-2024年最新版)

    JCR分區(qū)等級:Q3

    按JIF指標(biāo)學(xué)科分區(qū) 收錄子集 分區(qū) 排名 百分位
    學(xué)科:COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE SCIE Q3 136 / 197

    31.2%

    按JCI指標(biāo)學(xué)科分區(qū) 收錄子集 分區(qū) 排名 百分位
    學(xué)科:COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE SCIE Q4 152 / 198

    23.48%

    Gold OA文章占比 研究類文章占比 文章自引率
    75.93% 94.44% --
    開源占比 出版國人文章占比 OA被引用占比
    0.57... 0.1 0.05...

    名詞解釋:JCR分區(qū)在學(xué)術(shù)期刊評價、科研成果展示、科研方向引導(dǎo)以及學(xué)術(shù)交流與合作等方面都具有重要的價值。通過對期刊影響因子的精確計算和細致劃分,JCR分區(qū)能夠清晰地反映出不同期刊在同一學(xué)科領(lǐng)域內(nèi)的相對位置,從而幫助科研人員準(zhǔn)確識別出高質(zhì)量的學(xué)術(shù)期刊。

    CiteScore 指數(shù)(2024年最新版)

    CiteScore SJR SNIP CiteScore 指數(shù)
    5.9 0.583 0.957
    學(xué)科類別 分區(qū) 排名 百分位
    大類:Computer Science 小類:Signal Processing Q2 41 / 131

    69%

    大類:Computer Science 小類:Computer Vision and Pattern Recognition Q2 34 / 106

    68%

    大類:Computer Science 小類:Software Q2 143 / 407

    64%

    名詞解釋:CiteScore是基于Scopus數(shù)據(jù)庫的全新期刊評價體系。CiteScore 2021 的計算方式是期刊最近4年(含計算年度)的被引次數(shù)除以該期刊近四年發(fā)表的文獻數(shù)。CiteScore基于全球最廣泛的摘要和引文數(shù)據(jù)庫Scopus,適用于所有連續(xù)出版物,而不僅僅是期刊。目前CiteScore 收錄了超過 26000 種期刊,比獲得影響因子的期刊多13000種。被各界人士認為是影響因子最有力的競爭對手。

    數(shù)據(jù)趨勢圖

    歷年中科院分區(qū)趨勢圖

    歷年IF值(影響因子)

    歷年引文指標(biāo)和發(fā)文量

    歷年自引數(shù)據(jù)

    發(fā)文數(shù)據(jù)

    2019-2021年國家/地區(qū)發(fā)文量統(tǒng)計

    國家/地區(qū) 數(shù)量
    India 27
    CHINA MAINLAND 23
    USA 16
    England 12
    GERMANY (FED REP GER) 12
    Turkey 11
    Spain 9
    France 8
    Italy 8
    Portugal 8

    2019-2021年機構(gòu)發(fā)文量統(tǒng)計

    機構(gòu) 數(shù)量
    INDIAN INSTITUTE OF TECHNOLOGY SYSTEM (I... 13
    HOCHSCHULE DARMSTADT 7
    INSTITUTO DE TELECOMUNICACOES 7
    SALZBURG UNIVERSITY 5
    UNIVERSIDADE DE LISBOA 5
    NORWEGIAN UNIVERSITY OF SCIENCE & TECHNO... 4
    CHINESE ACADEMY OF SCIENCES 3
    ISTANBUL TECHNICAL UNIVERSITY 3
    NATIONAL INSTITUTE OF TECHNOLOGY (NIT SY... 3
    NORTHWESTERN POLYTECHNICAL UNIVERSITY 3

    2019-2021年文章引用數(shù)據(jù)

    文章引用名稱 引用次數(shù)
    Strengths and weaknesses of deep learnin... 24
    Robust gait recognition: a comprehensive... 15
    Employing fusion of learned and handcraf... 11
    Grey Wolf optimisation-based feature sel... 10
    Unconstrained ear recognition using deep... 10
    Secure multimodal biometric system based... 9
    Hybrid robust iris recognition approach ... 9
    Domain adaptation for ear recognition us... 7
    Ear verification under uncontrolled cond... 7
    ScoreNet: deep cascade score level fusio... 6

    2019-2021年文章被引用數(shù)據(jù)

    被引用期刊名稱 數(shù)量
    IET BIOMETRICS 53
    IEEE ACCESS 45
    MULTIMED TOOLS APPL 27
    SENSORS-BASEL 24
    ACM COMPUT SURV 19
    IEEE T INF FOREN SEC 17
    PATTERN RECOGN LETT 15
    EXPERT SYST APPL 12
    APPL SCI-BASEL 11
    NEUROCOMPUTING 11

    2019-2021年引用數(shù)據(jù)

    引用期刊名稱 數(shù)量
    PATTERN RECOGN 106
    IEEE T PATTERN ANAL 99
    IEEE T INF FOREN SEC 79
    IEEE T IMAGE PROCESS 62
    IET BIOMETRICS 53
    PATTERN RECOGN LETT 49
    NEUROCOMPUTING 39
    EXPERT SYST APPL 26
    IMAGE VISION COMPUT 22
    IEEE T CIRC SYST VID 19

    相關(guān)期刊

    免責(zé)聲明

    若用戶需要出版服務(wù),請聯(lián)系出版商:WILEY, 111 RIVER ST, HOBOKEN, USA, NJ, 07030-5774。