当前位置：首页 JCRQ2 期刊介绍(非官网)

Pattern Recognition Letters

SCI SCIE

国际简称：PATTERN RECOGN LETT 参考译名：模式识别字母

中科院分区
3区
CiteScore分区
Q1
JCR分区
Q2

基本信息：: ISSN：0167-8655; E-ISSN：1872-7344; 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：Monthly; 出版年份：1982; 研究方向：工程技术-计算机：人工智能

评价信息：: 影响因子：3.5; H-index：139; CiteScore指数：7.8; SJR指数：0.793; SNIP指数：1.143

发文数据：: Gold OA文章占比：20.04%; 研究类文章占比：100.00%; 年发文量：326; 自引率：0.0588...; 开源占比：0.0482; 出版撤稿占比：; 出版国人文章占比：0; OA被引用占比：

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Pattern Recognition Letters期刊介绍

Pattern Recognition Letters aims at rapid publication of concise articles of a broad interest in pattern recognition.

Subject areas include all the current fields of interest represented by the Technical Committees of the International Association of Pattern Recognition, and other developing themes involving learning and recognition.

期刊简介Pattern Recognition Letters期刊介绍

《Pattern Recognition Letters》自1982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。该刊近一年未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：

预计审稿时间：约7.2个月
计算机科学
计算机人工智能
SCI
SCIE
中科院3区
非预警

Cite Score数据（2026年6月最新版）Pattern Recognition Letters Cite Score数据

CiteScore：7.8
SJR：0.793
SNIP：1.143

学科类别	分区	排名	百分位
大类：Computer Science 小类：Signal Processing	Q1	26 / 203	87%
大类：Computer Science 小类：Computer Vision and Pattern Recognition	Q1	29 / 183	84%
大类：Computer Science 小类：Software	Q1	107 / 503	78%
大类：Computer Science 小类：Artificial Intelligence	Q1	133 / 570	76%

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Pattern Recognition Letters 中科院分区

《新锐期刊分区表》（2026年3月发布） 综述期刊：否 Top期刊：否

大类学科	分区	小类学科	分区
计算机科学	3区	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能	3区

期刊分区表（2025年3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
计算机科学	3区	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能	3区

期刊分区表（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
计算机科学	3区	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能	3区

期刊分区表（2022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
计算机科学	3区	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能	3区

期刊分区表（2021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
计算机科学	3区	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能	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Pattern Recognition Letters JCR分区

2025-2026年最新版

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	102 / 210	51.7
学科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE	SCIE	Q3	121 / 210	42.62

2024-2025年最新版

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	93 / 204	54.7
学科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE	SCIE	Q2	87 / 204	57.6

2023-2024年最新版

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	65 / 197	67.3
学科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE	SCIE	Q2	70 / 198	64.9

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

国家/地区发文量统计

国家/地区数量
CHINA MAINLAND442
India152
USA132
Italy97
France80
England78
Spain77
Brazil53
Australia51
South Korea46

本刊中国学者近年发表论文

1、OMFlow: Optimizing optical flow via occlusion motion estimatio
Author: Wang, Mengfei; Shi, Wenjun; Zhu, Dongchen; Wang, Lei; Zhang, Xiaolin; Li, Jiamao

Journal: PATTERN RECOGNITION LETTERS. 2026; Vol. 204, Issue , pp. 34-40. DOI: 10.1016/j.patrec.2026.03.018
2、Lifelong memory organization: Incremental multi-modal data fusion via Bayesian clustering and large language model
Author: Shi, Junfeng; Pan, Hainan; Huang, Kaihong

Journal: PATTERN RECOGNITION LETTERS. 2026; Vol. 204, Issue , pp. 48-54. DOI: 10.1016/j.patrec.2026.03.019
3、ConSept: Continual semantic segmentation via adapter-based vision transforme
Author: Dong, Bowen; Yang, Guanglei; Zhang, Lei; Zuo, Wangmeng

Journal: PATTERN RECOGNITION LETTERS. 2026; Vol. 204, Issue , pp. 64-71. DOI: 10.1016/j.patrec.2026.03.021
4、RHRAF: Residual hypergraph refinement with adaptive fusion for open-set facial expression image retrieva
Author: Su, Tao; Wu, Duanpo; Teng, Xuyang; Gao, Yuhan

Journal: PATTERN RECOGNITION LETTERS. 2026; Vol. 204, Issue , pp. 72-78. DOI: 10.1016/j.patrec.2026.04.005
5、ST-AlignTrack: Spatio-temporal alignment transformer network for multi-camera multi object trackin
Author: Liu, Caihua; Chen, Junhao; Yu, Lu; Qu, Xu

Journal: PATTERN RECOGNITION LETTERS. 2026; Vol. 204, Issue , pp. 93-99. DOI: 10.1016/j.patrec.2026.04.001
6、Thermal crowd counting by distilling multi-modal knowledg
Author: Liu, Xiaoxu; Shi, Yi; Hou, Ruichao; Ren, Tongwei

Journal: PATTERN RECOGNITION LETTERS. 2026; Vol. 204, Issue , pp. 100-106. DOI: 10.1016/j.patrec.2026.04.006
7、From coarse to fine:Clip-cross hierarchical refinement network for 3D human pose estimation from monocular video
Author: Zhao, Xinxin; Wang, Weitian; Li, Jianwei

Journal: PATTERN RECOGNITION LETTERS. 2026; Vol. 204, Issue , pp. 8-14. DOI: 10.1016/j.patrec.2026.03.015
8、MedVK: Efficient medical image classification via decoupled vision Kolmogorov-Arnold Network
Author: Pan, Weichao; Wang, Xu

Journal: PATTERN RECOGNITION LETTERS. 2026; Vol. 203, Issue , pp. 152-159. DOI: 10.1016/j.patrec.2026.03.004