所屬分類： SCIE 期刊 計算機科學(xué) 中科院 1區(qū) JCR Q1
關(guān)于認知通信和網(wǎng)絡(luò)的 Ieee Transactions
關(guān)于認知通信和網(wǎng)絡(luò)的 Ieee Transactions雜志簡介
- 出版商：IEEE
- 出版語言：English
- TOP期刊：是
- 出版地區(qū)：UNITED STATES
- 是否預(yù)警：否
- 是否OA：未開放
- 出版周期：4 issues/year
- 出版年份：2015
- 中文名稱：關(guān)于認知通信和網(wǎng)絡(luò)的 Ieee Transactions
- 是否OA：未開放
關(guān)于認知通信和網(wǎng)絡(luò)的 Ieee Transactions（國際簡稱IEEE T COGN COMMUN，英文名稱Ieee Transactions On Cognitive Communications And Networking）是一本未開放獲取（OA）國際期刊，自2015年創(chuàng)刊以來，始終站在計算機科學(xué)研究的前沿。該期刊致力于發(fā)表在計算機科學(xué)領(lǐng)域各個方面達到最高科學(xué)標(biāo)準(zhǔn)和具有重要性的研究成果。全面反映該學(xué)科的發(fā)展趨勢，為計算機科學(xué)事業(yè)的進步提供了有力的支撐。期刊嚴(yán)格遵循職業(yè)道德標(biāo)準(zhǔn)，對于任何形式的抄襲行為，無論是文字還是圖形，一旦查實，均可能導(dǎo)致稿件被拒絕。
近年來，來自USA、CHINA MAINLAND、India、England、Canada、Finland、Australia、Italy、France、GERMANY (FED REP GER)等國家和地區(qū)的研究者在《Ieee Transactions On Cognitive Communications And Networking》上發(fā)表了大量的高質(zhì)量文章。該期刊內(nèi)容豐富，包括原創(chuàng)研究、綜述文章、專題觀點、論文預(yù)覽、專家意見等多種類型，旨在為全球該領(lǐng)域研究者提供廣泛的學(xué)術(shù)交流平臺和靈感來源。
在過去幾年中，該期刊保持了穩(wěn)定的發(fā)文量和綜述量，具體數(shù)據(jù)如下：
2014年：發(fā)表文章0篇、2015年：發(fā)表文章0篇、2016年：發(fā)表文章0篇、2017年：發(fā)表文章0篇、2018年：發(fā)表文章0篇、2019年：發(fā)表文章92篇、2020年：發(fā)表文章106篇、2021年：發(fā)表文章105篇、2022年：發(fā)表文章135篇、2023年：發(fā)表文章121篇。這些數(shù)據(jù)反映了期刊在全球計算機科學(xué)領(lǐng)域的影響力和活躍度，同時也展示了其作為學(xué)術(shù)界和工業(yè)界研究人員首選資源的地位?！禝eee Transactions On Cognitive Communications And Networking》將繼續(xù)致力于推動計算機科學(xué)領(lǐng)域的知識傳播和科學(xué)進步，為全球計算機科學(xué)問題的解決貢獻力量。
期刊指數(shù)
- 影響因子：7.4
- 文章自引率：0.0697...
- Gold OA文章占比：7.48%
- CiteScore：15.5
- 年發(fā)文量：121
- 開源占比：0.1012
- SJR指數(shù)：3.371
- SNIP指數(shù)：2.211
- 出版國人文章占比：0.17
WOS期刊SCI分區(qū)（2023-2024年最新版）
| 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：TELECOMMUNICATIONS | SCIE | Q1 | 11 / 119 |
91.2% |
| 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：TELECOMMUNICATIONS | SCIE | Q1 | 11 / 119 |
91.18% |
中科院分區(qū)表
中科院SCI期刊分區(qū) 2023年12月升級版
| Top期刊 | 綜述期刊 | 大類學(xué)科 | 小類學(xué)科 |
| 否 | 否 | 計算機科學(xué) 1區(qū) |
TELECOMMUNICATIONS
電信學(xué)
1區(qū)
|
CiteScore（2024年最新版）
CiteScore 排名
| CiteScore | SJR | SNIP | CiteScore 排名 | ||||||||||||||||
| 15.5 | 3.371 | 2.211 |
|
學(xué)術(shù)指標(biāo)分析
影響因子和CiteScore
自引率
影響因子：指某一期刊的文章在特定年份或時期被引用的頻率，是衡量學(xué)術(shù)期刊影響力的一個重要指標(biāo)。影響因子越高，代表著期刊的影響力越大 。
CiteScore：該值越高，代表該期刊的論文受到更多其他學(xué)者的引用，因此該期刊的影響力也越高。
自引率：是衡量期刊質(zhì)量和影響力的重要指標(biāo)之一。通過計算期刊被自身引用的次數(shù)與總被引次數(shù)的比例，可以反映期刊對于自身研究內(nèi)容的重視程度以及內(nèi)部引用的情況。
年發(fā)文量：是衡量期刊活躍度和研究產(chǎn)出能力的重要指標(biāo)，年發(fā)文量較多的期刊可能擁有更廣泛的讀者群體和更高的學(xué)術(shù)聲譽，從而吸引更多的優(yōu)質(zhì)稿件。
期刊互引關(guān)系
| 序號 | 引用他刊情況 | 引用次數(shù) |
| 1 | IEEE T WIREL COMMUN | 209 |
| 2 | IEEE T VEH TECHNOL | 151 |
| 3 | IEEE J SEL AREA COMM | 145 |
| 4 | IEEE T COMMUN | 123 |
| 5 | IEEE COMMUN MAG | 102 |
| 6 | IEEE COMMUN SURV TUT | 84 |
| 7 | IEEE COMMUN LETT | 77 |
| 8 | IEEE ACCESS | 73 |
| 9 | IEEE T SIGNAL PROCES | 64 |
| 10 | IEEE T COGN COMMUN | 55 |
| 序號 | 被他刊引用情況 | 引用次數(shù) |
| 1 | IEEE ACCESS | 151 |
| 2 | IEEE T COGN COMMUN | 55 |
| 3 | IEEE INTERNET THINGS | 33 |
| 4 | IEEE T VEH TECHNOL | 31 |
| 5 | IEEE T COMMUN | 24 |
| 6 | IEEE T WIREL COMMUN | 24 |
| 7 | SENSORS-BASEL | 22 |
| 8 | IEEE J SEL AREA COMM | 17 |
| 9 | IEEE COMMUN SURV TUT | 16 |
| 10 | IEEE COMMUN LETT | 15 |
高引用文章
- Deep Learning Models for Wireless Signal Classification With Distributed Low-Cost Spectrum Sensors引用次數(shù)：55
- A Very Brief Introduction to Machine Learning With Applications to Communication Systems引用次數(shù)：46
- Deep Reinforcement Learning for Dynamic Multichannel Access in Wireless Networks引用次數(shù)：42
- Interplay Between NOMA and Other Emerging Technologies: A Survey引用次數(shù)：21
- Energy-Efficient Resource Allocation for Energy Harvesting-Based Cognitive Machine-to-Machine Communications引用次數(shù)：18
- Deep Joint Source-Channel Coding for Wireless Image Transmission引用次數(shù)：15
- Deep Learning for Launching and Mitigating Wireless Jamming Attacks引用次數(shù)：14
- On the Application of Blockchains to Spectrum Management引用次數(shù)：13
- Deep Reinforcement Learning for Adaptive Caching in Hierarchical Content Delivery Networks引用次數(shù)：13
- Deep Reinforcement Learning for Intelligent Internet of Vehicles: An Energy-Efficient Computational Offloading Scheme引用次數(shù)：13
