Journal Title:Iet Biometrics
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创刊于2012年,由Wiley出版商出版,收稿方向涵盖COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE全领域,此期刊水平偏中等偏靠后,在所属细分领域中专业影响力一般,过审相对较易,如果您文章质量佳,选择此期刊,发表机率较高。平均审稿速度 33 Weeks ,影响因子指数1.8,该期刊近期没有被列入国际期刊预警名单,广大学者值得一试。
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 |
名词解释:
中科院分区也叫中科院JCR分区,基础版分为13个大类学科,然后按照各类期刊影响因子分别将每个类别分为四个区,影响因子5%为1区,6%-20%为2区,21%-50%为3区,其余为4区。
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 |
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 |
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 |
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 |
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 |
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% |
名词解释:
WOS即Web of Science,是全球获取学术信息的重要数据库,Web of Science包括自然科学、社会科学、艺术与人文领域的信息,来自全世界近9,000种最负盛名的高影响力研究期刊及12,000多种学术会议多学科内容。给期刊分区时会按照某一个学科领域划分,根据这一学科所有按照影响因子数值降序排名,然后平均分成4等份,期刊影响因子值高的就会在高分区中,最后的划分结果分别是Q1,Q2,Q3,Q4,Q1代表质量最高。
CiteScore | SJR | SNIP | CiteScore排名 | ||||||||||||||||
5.9 | 0.583 | 0.957 |
|
名词解释:
CiteScore:衡量期刊所发表文献的平均受引用次数。
SJR:SCImago 期刊等级衡量经过加权后的期刊受引用次数。引用次数的加权值由施引期刊的学科领域和声望 (SJR) 决定。
SNIP:每篇文章中来源出版物的标准化影响将实际受引用情况对照期刊所属学科领域中预期的受引用情况进行衡量。
是否OA开放访问: | h-index: | 年文章数: |
开放 | 19 | 18 |
Gold OA文章占比: | 2021-2022最新影响因子(数据来源于搜索引擎): | 开源占比(OA被引用占比): |
75.93% | 1.8 | 0.57... |
研究类文章占比:文章 ÷(文章 + 综述) | 期刊收录: | 中科院《国际期刊预警名单(试行)》名单: |
94.44% | SCIE | 否 |
历年IF值(影响因子):
历年引文指标和发文量:
历年中科院JCR大类分区数据:
历年自引数据:
2023-2024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 |
2023-2024机构发文量统计:
机构 | 数量 |
INDIAN INSTITUTE OF TECHNOLOGY S... | 13 |
HOCHSCHULE DARMSTADT | 7 |
INSTITUTO DE TELECOMUNICACOES | 7 |
SALZBURG UNIVERSITY | 5 |
UNIVERSIDADE DE LISBOA | 5 |
NORWEGIAN UNIVERSITY OF SCIENCE ... | 4 |
CHINESE ACADEMY OF SCIENCES | 3 |
ISTANBUL TECHNICAL UNIVERSITY | 3 |
NATIONAL INSTITUTE OF TECHNOLOGY... | 3 |
NORTHWESTERN POLYTECHNICAL UNIVE... | 3 |
近年引用统计:
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 |
近年被引用统计:
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 |
近年文章引用统计:
文章名称 | 数量 |
Strengths and weaknesses of deep... | 24 |
Robust gait recognition: a compr... | 15 |
Employing fusion of learned and ... | 11 |
Grey Wolf optimisation-based fea... | 10 |
Unconstrained ear recognition us... | 10 |
Secure multimodal biometric syst... | 9 |
Hybrid robust iris recognition a... | 9 |
Domain adaptation for ear recogn... | 7 |
Ear verification under uncontrol... | 7 |
ScoreNet: deep cascade score lev... | 6 |
同小类学科的其他优质期刊 | 影响因子 | 中科院分区 |
Journal Of Field Robotics | 4.2 | 2区 |
Computer Science Review | 13.3 | 1区 |
Computer Networks | 4.4 | 2区 |
Journal Of Computational Science | 3.1 | 3区 |
Ict Express | 4.1 | 3区 |
Computer Speech And Language | 3.1 | 3区 |
Applied Artificial Intelligence | 2.9 | 4区 |
Neurocomputing | 5.5 | 2区 |
Iet Software | 1.5 | 4区 |
International Journal Of Approximate Reasoning | 3.2 | 3区 |
若用户需要出版服务,请联系出版商:WILEY, 111 RIVER ST, HOBOKEN, USA, NJ, 07030-5774。