首页 > SCI期刊 > SCIE期刊 > 计算机科学 > 中科院4区 > JCRQ3 > 期刊介绍
评价信息:
影响因子:1.8
年发文量:18
《生物识别》(Iet Biometrics)是一本以COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE综合研究为特色的国际期刊。该刊由Wiley出版商创刊于2012年,刊期Bi-monthly。该刊已被国际重要权威数据库SCIE收录。期刊聚焦COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE领域的重点研究和前沿进展,及时刊载和报道该领域的研究成果,致力于成为该领域同行进行快速学术交流的信息窗口与平台。该刊2023年影响因子为1.8。CiteScore指数值为5.9。
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
生物特征识别领域(基于个人的行为和生物特征自动识别个人)现已达到成熟水平,可行的实际应用不仅可能而且越来越可用。生物特征识别领域的特点是其跨学科性,因为虽然主要关注强大的技术基础,但有效的系统设计和实施通常需要广泛的技能,例如人为因素、数据安全和数据库技术、心理和生理意识等。此外,技术重点本身包含多样性,因为有效的生物特征识别系统的工程需要整合图像分析、模式识别、传感器技术、数据库工程、安全设计和许多其他理解。
该期刊的范围故意相对较广。虽然重点关注核心技术问题,但人们认识到这些问题可能本质上是多样化的,在许多情况下可能跨越传统的学科界限。因此,该期刊的范围将包括任何可以证明论文可以增加我们对生物识别系统的理解、预示生物识别未来发展和应用或促进相关技术更广泛实际应用的主题:
开发和增强单个生物识别模式,包括既定和传统模式(例如面部、指纹、虹膜、签名和手写识别)以及较新或新兴的模式(步态、耳朵形状、神经模式等)
多生物识别、理论和实践问题、实用系统的实施、多分类器和多模式方法
用于识别、验证和特征预测的软生物识别和信息融合
生物识别系统的人为因素和人机界面问题、异常处理策略
模板构建和模板管理、老化因素及其对生物识别系统的影响
可用性和面向用户的设计、心理和生理原理和系统集成
用于生物特征识别处理的传感器和传感器技术
支持生物特征识别系统的数据库技术
生物特征识别系统的实施、安全工程影响、智能卡及相关实施技术、实施平台、系统设计和性能评估
信任和隐私问题、生物特征识别系统的安全性和支持技术解决方案、生物特征识别模板保护
生物特征识别密码系统、安全性和与生物特征识别相关的加密
与法医处理的联系和跨学科共性
核心基础技术(例如生物识别技术(例如,图像分析、模式识别、计算机视觉、信号处理等)与生物识别处理的具体相关性可得到证明。
应用和应用主导的考虑
关于生物识别系统开发的技术或工业背景的立场文件
采用和推广生物识别标准,提高技术接受度、部署和互操作性,避免跨文化和跨部门限制
相关的伦理和社会问题
《Iet Biometrics》(生物识别)编辑部通讯方式为WILEY, 111 RIVER ST, HOBOKEN, USA, NJ, 07030-5774。如果您需要协助投稿或润稿服务,您可以咨询我们的客服老师。我们专注于期刊投稿服务十年,熟悉发表政策,可为您提供一对一投稿指导,避免您在投稿时频繁碰壁,节省您的宝贵时间,有效提升发表机率,确保SCI检索(检索不了全额退款)。我们视信誉为生命,多方面确保文章安全保密,在任何情况下都不会泄露您的个人信息或稿件内容。
2023年12月升级版
大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
计算机科学 | 4区 | COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 | 4区 | 否 | 否 |
2022年12月升级版
大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
计算机科学 | 3区 | COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 | 4区 | 否 | 否 |
2021年12月旧的升级版
大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
计算机科学 | 3区 | COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 | 4区 | 否 | 否 |
2021年12月基础版
大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
工程技术 | 4区 | COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 | 4区 | 否 | 否 |
2021年12月升级版
大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
计算机科学 | 3区 | COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 | 4区 | 否 | 否 |
2020年12月旧的升级版
大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
计算机科学 | 4区 | COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 | 4区 | 否 | 否 |
基础版:即2019年12月17日,正式发布的《2019年中国科学院文献情报中心期刊分区表》;将JCR中所有期刊分为13个大类,期刊范围只有SCI期刊。
升级版:即2020年1月13日,正式发布的《2019年中国科学院文献情报中心期刊分区表升级版(试行)》,升级版采用了改进后的指标方法体系对基础版的延续和改进,影响因子不再是分区的唯一或者决定性因素,也没有了分区的IF阈值期刊由基础版的13个学科扩展至18个,科研评价将更加明确。期刊范围有SCI期刊、SSCI期刊。从2022年开始,分区表将只发布升级版结果,不再有基础版和升级版之分,基础版和升级版(试行)将过渡共存三年时间。
JCR分区等级:Q3
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 | Q3 | 136 / 197 |
31.2% |
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 | 152 / 198 |
23.48% |
Gold OA文章占比 | 研究类文章占比 | 文章自引率 |
75.93% | 94.44% | -- |
开源占比 | 出版国人文章占比 | OA被引用占比 |
0.57... | 0.1 | 0.05... |
名词解释:JCR分区在学术期刊评价、科研成果展示、科研方向引导以及学术交流与合作等方面都具有重要的价值。通过对期刊影响因子的精确计算和细致划分,JCR分区能够清晰地反映出不同期刊在同一学科领域内的相对位置,从而帮助科研人员准确识别出高质量的学术期刊。
CiteScore | SJR | SNIP | CiteScore 指数 | ||||||||||||||||
5.9 | 0.583 | 0.957 |
|
名词解释:CiteScore是基于Scopus数据库的全新期刊评价体系。CiteScore 2021 的计算方式是期刊最近4年(含计算年度)的被引次数除以该期刊近四年发表的文献数。CiteScore基于全球最广泛的摘要和引文数据库Scopus,适用于所有连续出版物,而不仅仅是期刊。目前CiteScore 收录了超过 26000 种期刊,比获得影响因子的期刊多13000种。被各界人士认为是影响因子最有力的竞争对手。
历年中科院分区趋势图
历年IF值(影响因子)
历年引文指标和发文量
历年自引数据
2019-2021年国家/地区发文量统计
国家/地区 | 数量 |
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年机构发文量统计
机构 | 数量 |
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年文章引用数据
文章引用名称 | 引用次数 |
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年文章被引用数据
被引用期刊名称 | 数量 |
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年引用数据
引用期刊名称 | 数量 |
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 |
中科院分区:1区
影响因子:7.7
审稿周期:约Time to first decision: 9 days; Review time: 64 days; Submission to acceptance: 82 days; 约2.7个月 约7.8周
中科院分区:1区
影响因子:8.1
审稿周期:约Time to first decision: 6 days; Review time: 44 days; Submission to acceptance: 54 days; 约4.1个月 约6.8周
中科院分区:3区
影响因子:3.3
审稿周期:约17.72天 11 Weeks
中科院分区:2区
影响因子:5.8
审稿周期: 约2.4个月 约7.6周
中科院分区:2区
影响因子:5.1
审稿周期: 约1.9个月 约2.7周
中科院分区:2区
影响因子:4.8
审稿周期: 约2.7个月 约7.5周
若用户需要出版服务,请联系出版商:WILEY, 111 RIVER ST, HOBOKEN, USA, NJ, 07030-5774。