400-838-9662 发表指南 购物车（0）
目标检索
学术杂志 科普杂志 SCI杂志
当前位置： 首页 JCRQ3 期刊介绍(非官网)
Statistical Analysis And Data Mining

Statistical Analysis And Data Mining

SCISCIE

国际简称：STAT ANAL DATA MIN  参考译名：统计分析与数据挖掘

  • 中科院分区

    4区

  • CiteScore分区

    Q1

  • JCR分区

    Q3

基本信息：
ISSN：1932-1864
E-ISSN：1932-1872
是否OA：未开放
是否预警：否
TOP期刊：否
出版信息：
出版地区：UNITED STATES
出版商：Wiley-Blackwell
出版语言：English
出版周期：6 issues/year
出版年份：2008
研究方向：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCEC-COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS
评价信息：
影响因子：1.1
H-index：26
CiteScore指数：4.7
SJR指数：0.511
SNIP指数：1.112
发文数据：
Gold OA文章占比：38.36%
研究类文章占比：100.00%
年发文量：53
自引率：0.0769...
开源占比：0.1497
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Statistical Analysis And Data Mining期刊介绍

Statistical Analysis and Data Mining addresses the broad area of data analysis, including statistical approaches, machine learning, data mining, and applications. Topics include statistical and computational approaches for analyzing massive and complex datasets, novel statistical and/or machine learning methods and theory, and state-of-the-art applications with high impact. Of special interest are articles that describe innovative analytical techniques, and discuss their application to real problems, in such a way that they are accessible and beneficial to domain experts across science, engineering, and commerce.

The focus of the journal is on papers which satisfy one or more of the following criteria:

Solve data analysis problems associated with massive, complex datasets

Develop innovative statistical approaches, machine learning algorithms, or methods integrating ideas across disciplines, e.g., statistics, computer science, electrical engineering, operation research.

Formulate and solve high-impact real-world problems which challenge existing paradigms via new statistical and/or computational models

Provide survey to prominent research topics.

期刊简介Statistical Analysis And Data Mining期刊介绍

《Statistical Analysis And Data Mining》自2008出版以来，是一本数学优秀杂志。致力于发表原创科学研究结果，并为数学各个领域的原创研究提供一个展示平台，以促进数学领域的的进步。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数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：

Cite Score数据（2026年6月最新版）Statistical Analysis And Data Mining Cite Score数据

  • CiteScore：4.7
  • SJR：0.511
  • SNIP：1.112
学科类别 分区 排名 百分位
大类：Mathematics 小类：Statistics and Probability Q1 44 / 303

85%
大类：Mathematics 小类：Statistics, Probability and Uncertainty Q1 35 / 178

80%

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Statistical Analysis And Data Mining 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
数学 4区 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 计算机：跨学科应用 STATISTICS & PROBABILITY 统计学与概率论 4区 4区 4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
数学 4区 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 计算机：跨学科应用 STATISTICS & PROBABILITY 统计学与概率论 4区 4区 4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
数学 4区 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 计算机：跨学科应用 STATISTICS & PROBABILITY 统计学与概率论 4区 4区 4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 4区 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 计算机：跨学科应用 STATISTICS & PROBABILITY 统计学与概率论 4区 4区 4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 4区 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 计算机：跨学科应用 STATISTICS & PROBABILITY 统计学与概率论 4区 4区 4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Statistical Analysis And Data Mining 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 Q4 180 / 210

14.5
学科：COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS SCIE Q4 165 / 185

11.1
学科：STATISTICS & PROBABILITY SCIE Q3 100 / 170

41.5
学科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE SCIE Q3 111 / 210

47.38
学科：COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS SCIE Q3 110 / 185

40.81
学科：STATISTICS & PROBABILITY SCIE Q2 73 / 170

57.35
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 Q3 123 / 197

37.8
学科：COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS SCIE Q3 101 / 169

40.5
学科：STATISTICS & PROBABILITY SCIE Q1 26 / 168

84.8
学科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE SCIE Q3 105 / 198

47.22
学科：COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS SCIE Q3 94 / 169

44.67
学科：STATISTICS & PROBABILITY SCIE Q2 69 / 168

59.23

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
  • USA68
  • CHINA MAINLAND11
  • Italy9
  • Iran7
  • Canada5
  • England4
  • Australia3
  • Poland3
  • India2
  • South Korea2

本刊中国学者近年发表论文

  • 1、Transfer Learning for Linearized Maximum Rank Correlation Estimatio

    Author: Pan, Yingli; Hu, Nuo; Deng, Lihang; Liu, Zhan

    Journal: STATISTICAL ANALYSIS AND DATA MINING-AN ASA DATA SCIENCE JOURNAL. 2026; Vol. 19, Issue 2, pp. -. DOI: 10.1002/sam.70076

  • 2、Transfer Learning for High-Dimensional Beta Regression Model

    Author: Wang, Boshuo; Song, Yunquan

    Journal: STATISTICAL ANALYSIS AND DATA MINING-AN ASA DATA SCIENCE JOURNAL. 2026; Vol. 19, Issue 2, pp. -. DOI: 10.1002/sam.70069

  • 3、Transfer Learning Analysis of the Cox Mixture Mode

    Author: Liu, Kangyi; Kong, Yue; Zhao, Wei

    Journal: STATISTICAL ANALYSIS AND DATA MINING-AN ASA DATA SCIENCE JOURNAL. 2026; Vol. 19, Issue 1, pp. -. DOI: 10.1002/sam.70059

  • 4、Advancing Coefficient of Variation Estimation Under Additive Distortion Measurement Errors: Exploring New Avenues Beyond Independence Assumption

    Author: Zhou, Junbang; Zhang, Jun; He, Haijin

    Journal: STATISTICAL ANALYSIS AND DATA MINING-AN ASA DATA SCIENCE JOURNAL. 2026; Vol. 19, Issue 1, pp. -. DOI: 10.1002/sam.70058

  • 5、A Transformation-Based Direction Combination Association Test for GWAS Summary Statistic

    Author: Liu, Yingfang; Bu, Deliang; Pei, Yanbo

    Journal: STATISTICAL ANALYSIS AND DATA MINING-AN ASA DATA SCIENCE JOURNAL. 2026; Vol. 19, Issue 1, pp. -. DOI: 10.1002/sam.70065

  • 6、Model Averaging for Regression Kink Model

    Author: Xi, Li; Zhang, Xiyuan; Wei, Yuting; Chen, Zhanshou

    Journal: STATISTICAL ANALYSIS AND DATA MINING-AN ASA DATA SCIENCE JOURNAL. 2025; Vol. 18, Issue 2, pp. -. DOI: 10.1002/sam.70022

  • 7、Score Tests for Overdispersion in Marginalized Zero-Inflated Poisson Regression Based on Marginalized Zero-Inflated Generalized Poisson Mode

    Author: Wang, Yuhe; Han, Yuecai

    Journal: STATISTICAL ANALYSIS AND DATA MINING-AN ASA DATA SCIENCE JOURNAL. 2025; Vol. 18, Issue 2, pp. -. DOI: 10.1002/sam.70019

  • 8、Online Variable Selection and Parameter Estimation for Massive Data via Square Root Lass

    Author: Gai, Yujie; Meng, Kang; Xu, Xinyi

    Journal: STATISTICAL ANALYSIS AND DATA MINING-AN ASA DATA SCIENCE JOURNAL. 2025; Vol. 18, Issue 2, pp. -. DOI: 10.1002/sam.70016

投稿常见问题

通讯方式：111 RIVER ST, HOBOKEN, USA, NJ, 07030-5774。

同大类学科期刊导航

相关期刊推荐

热门期刊推荐