当前位置: 首页 SCI 期刊 计算机科学 Chemometrics And Intelligent Laboratory Systems(非官网)
Chemometrics And Intelligent Laboratory Systems

Chemometrics And Intelligent Laboratory SystemsSCISCIE

国际简称:CHEMOMETR INTELL LAB  参考译名:化学计量学和智能实验室系统

  • 中科院分区

    3区

  • CiteScore分区

    Q1

  • JCR分区

    Q2

基本信息:
ISSN:0169-7439
E-ISSN:1873-3239
是否OA:未开放
是否预警:否
TOP期刊:否
出版信息:
出版地区:NETHERLANDS
出版商:ELSEVIER
出版语言:English
出版周期:Bimonthly
出版年份:1986
研究方向:工程技术-分析化学
评价信息:
影响因子:2.895
H-index:109
CiteScore指数:6.9
SJR指数:0.649
SNIP指数:1.108
发文数据:
Gold OA文章占比:8.94%
研究类文章占比:98.31%
年发文量:207
自引率:0.0981...
开源占比:0.0694
出版撤稿占比:0
出版国人文章占比:0.28
OA被引用占比:0.0114...
期刊介绍 CiteScore数据 中科院SCI分区 JCR分区 发文数据 常见问题

期刊简介Chemometrics And Intelligent Laboratory Systems期刊介绍

《Chemometrics And Intelligent Laboratory Systems》自1986出版以来,是一本计算机科学优秀杂志。致力于发表原创科学研究结果,并为计算机科学各个领域的原创研究提供一个展示平台,以促进计算机科学领域的的进步。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计算机科学领域的最新进展和新发现新突破等。该刊近一年被列入预警期刊名单,目前已被权威数据库SCI、SCIE收录,得到了广泛的认可。

该期刊投稿重要关注点:

Cite Score数据Chemometrics And Intelligent Laboratory Systems Cite Score数据

  • CiteScore:6.90
  • SJR:0.649
  • SNIP:1.108
学科类别 分区 排名 百分位
大类:Chemistry 小类:Spectroscopy Q1 15 / 75

80%

大类:Chemistry 小类:Computer Science Applications Q1 167 / 792

78%

大类:Chemistry 小类:Analytical Chemistry Q1 31 / 141

78%

大类:Chemistry 小类:Software Q2 103 / 404

74%

大类:Chemistry 小类:Process Chemistry and Technology Q2 22 / 68

68%

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Chemometrics And Intelligent Laboratory Systems 中科院分区

中科院 2022年12月升级版 综述期刊:是 Top期刊:是
大类学科 分区 小类学科 分区
计算机科学 3区 AUTOMATION & CONTROL SYSTEMS 自动化与控制系统 CHEMISTRY, ANALYTICAL 分析化学 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 INSTRUMENTS & INSTRUMENTATION 仪器仪表 MATHEMATICS, INTERDISCIPLINARY APPLICATIONS 数学跨学科应用 STATISTICS & PROBABILITY 统计学与概率论 3区 3区 3区 3区 3区 3区
中科院 2021年12月基础版 综述期刊:是 Top期刊:是
大类学科 分区 小类学科 分区
工程技术 3区 AUTOMATION & CONTROL SYSTEMS 自动化与控制系统 CHEMISTRY, ANALYTICAL 分析化学 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 INSTRUMENTS & INSTRUMENTATION 仪器仪表 MATHEMATICS, INTERDISCIPLINARY APPLICATIONS 数学跨学科应用 STATISTICS & PROBABILITY 统计学与概率论 3区 3区 3区 3区 2区 2区
中科院 2021年12月升级版 综述期刊:是 Top期刊:是
大类学科 分区 小类学科 分区
计算机科学 3区 AUTOMATION & CONTROL SYSTEMS 自动化与控制系统 CHEMISTRY, ANALYTICAL 分析化学 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 INSTRUMENTS & INSTRUMENTATION 仪器仪表 MATHEMATICS, INTERDISCIPLINARY APPLICATIONS 数学跨学科应用 STATISTICS & PROBABILITY 统计学与概率论 3区 3区 3区 3区 3区 3区
中科院 2020年12月旧的升级版 综述期刊:是 Top期刊:是
大类学科 分区 小类学科 分区
计算机科学 3区 AUTOMATION & CONTROL SYSTEMS 自动化与控制系统 CHEMISTRY, ANALYTICAL 分析化学 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 INSTRUMENTS & INSTRUMENTATION 仪器仪表 MATHEMATICS, INTERDISCIPLINARY APPLICATIONS 数学跨学科应用 STATISTICS & PROBABILITY 统计学与概率论 3区 3区 3区 3区 3区 3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Chemometrics And Intelligent Laboratory Systems JCR分区

2022-2023 年最新版
JCR 分区等级 JCR 学科 JCR 分区
Q2 AUTOMATION & CONTROL SYSTEMS Q2
Q2 CHEMISTRY, ANALYTICAL Q2
Q2 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE Q2
Q2 INSTRUMENTS & INSTRUMENTATION Q2
Q2 MATHEMATICS, INTERDISCIPLINARY APPLICATIONS Q1
Q2 STATISTICS & PROBABILITY Q1

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

2019-2021 年国家/地区发文量统计
  • 国家/地区数量
  • CHINA MAINLAND205
  • Spain54
  • USA49
  • Iran36
  • France30
  • Italy26
  • Canada25
  • Brazil21
  • England18
  • India18

本刊中国学者近年发表论文

  • 1、Simultaneous measurement of chemical oxygen demand and turbidity in water based on broad optical spectra using backpropagation neural networ
  • 2、A multi-task learning approach for chemical process abnormity locations and fault classification
  • 3、ConInceDeep: A novel deep learning method for component identification of mixture based on Raman spectroscop
  • 4、GAMB-GNN: Graph Neural Networks learning from gene structure relations and Markov Blanket ranking for cancer classification in microarray dat
  • 5、Simple dilated convolutional neural network for quantitative modeling based on near infrared spectroscopy technique
  • 6、Design the arbitrary order calculus operator by a simulated hyperbolic function for analytical application
  • 7、Application of iterative distance correlation and PLS for wavelength interval selection in near infrared spectroscop
  • 8、Nonlocal, local and global preserving stacked autoencoder based fault detection method for nonlinear process monitorin

投稿常见问题

通讯方式:ELSEVIER SCIENCE BV, PO BOX 211, AMSTERDAM, NETHERLANDS, 1000 AE。