- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
中国计算机学会推荐国际学术刊物 (数据库)
A类
序号刊物简称刊物全称出版社网址
TODS ACM Transactions on Database Systems ACM /to ds/
The ACM Transactions on Database Systems (TODS)出版与数据库和与之密切
相关的学科领域的原始档案论文。出现在 TODS 的大多数论文解释数据管理的 逻辑和技术基础。 ACM TODS 是世界数据库领域最顶级的期刊。该期刊全年在 全世界范围不过收录 30 篇高水平论文。
国际编委会是由这一领域的各个子区域公认的专家组成。 论文可直接提交给任何 编辑。编委会保持与 ACM 的数据管理和组织特别兴趣小组( SIGMOD )联系, 以及与其他社会,以鼓励先进和原创的论文投稿。
为学术和企业研究开发而创办的 TODS ,是一个计算机科学家研究数据抽象, 数据建模和设 计数据库管理系统的关键出版物。主题包括存储和检索,事务管理,分布式和联邦数据库, 数据的语义,智能数据库,并与这些领域有关的业务和算法。在这个瞬息万变的领域中, T
ODS 提供数据库研发最好的思想和见解。
影响因子: SCI(2010) :1.216 SCI(2009) :1.61 SCI(2008) : 1.613
VLDBJ VLDB Journal Springer-Verlag/dblp/db/journals/vld
b/index.html
VLDB 杂志是季刊,由 VLDB 基金会出版发行。该杂志致力于发表对信息系统架构、信息系统的技术进步 和新的数据库应用程序的发展进步做出的学术贡献。 该杂志在 1992年 7月推出。现在是由施普林格出版社 开始出版第 5 卷( 1996)电子和印刷版。除了其作为高品质和及时的研究和开发成果,该杂志有两个重要 的承诺:低成本,对已录用的论文快速发布以发布最新,最及时的成果。是通过聘请国际知名的研究人员 组成大型编委会和彻底的审查程序来达到高品质和及时公布的目标。 每个编辑器处理的论文数量相对较少, 在任何一个时间,可以更加注重质量和及时的评论。论文一旦被录用,用户就能获得其电子版。
TOIS ACM Transactions on Information and Systems ACM http://www.acm. org/pubs/tois/
适用范围广泛的 TOIS 呼吁行业从业者实现创造性思维的价值和学术研究者描述他们同 事的工作内容。虽然它的范围包括计算机信息系统的各个方面, TOIS 最频繁解决的问题是 信息检索和过滤,信息接口,以及信息系统的设计问题。
影响因子: SCI(2010) :1.085 SCI(2009) :1.667 SCI(2008) : 1.472
IEEE TKDE IEEE Transactions on Knowledge and Data Engineering IEEE
Computer Society /tkde/
研究、设计、开发知识和数据工程的方法,策略和系统。主题包括获得和管理数据,新知识 的学习和存储, 延长有用数据的生命周期,系统建模和设计, 数据访问,安全性和完整性控 制。
影响因子: SCI(2010) : 1.847 SCI(2009) :2.285 SCI(2008) : 2.236
B类
序号刊物简称刊物全称出版社网址
TKDD ACM Transactions on Knowledge Discovery from Data ACM http:// /pubs/tkdd/
transactions on Knowledge Discovery from Data ( TKDD )包括数据挖掘和数据仓库, 挖掘数据流,多媒体数据,挖掘高维数据,挖掘文本、网页和半结构化数据,挖掘时间和空 间数据,社会网络分析,图形结构化数据,数据挖掘中的安全和隐私问题,可视化、交互式 和在线数据挖掘,数据挖掘的前处理和后处理,稳定、可伸缩的统计方法,数据挖掘语言,
KDD 的框架和流程,新颖的应用和基础设施利用数据挖掘技术的可扩展性和有效的算法等 领域知识。 TKDD 鼓励探索上述主题与大型分布式计算机网络, 并行或多进程计算机, 新的
数据设备等内容相关的论文。TKDD也鼓励描述无法用当前的数据挖掘技术满足的新兴数据 挖掘应用的论文。
被 The Engineering Index(EI)收录索引。
DMKD Data Mining and Knowledge Discovery Springer-Verlag http://www.sp rin gerl in /co nte nt/100254/
数据收集储存和分配的进展已
原创力文档


文档评论(0)