نمایه | آخرین بروز رسانی |
---|---|
Scopus | فوریه ۲۰۲۲ |
ISI | می ۲۰۲۳ |
SCImago | ژانویه ۲۰۲۰ |
ISI Open Access Journals | می ۲۰۲۵ |
لیست سیاه وزارت علوم | خرداد ۱۴۰۲ |
لیست سیاه وزارت بهداشت | خرداد ۱۴۰۲ |
لیست سیاه دانشگاه آزاد | بهمن ۱۳۹۹ |
مجلات دارای زمان داوری | ژانویه ۲۰۲۲ |
مجلات درجه بندی شده از نظر سختی پذیرش | ژانویه ۲۰۲۲ |
فراخوانهای مقاله | مارس ۲۰۲۵ |
آمار دانلود مقالات هر مجله | ژانویه ۲۰۲۲ |
نمایه | آخرین بروز رسانی |
---|---|
Scopus | فوریه ۲۰۲۵ |
ISI | می ۲۰۲۵ |
SCImago | می ۲۰۲۵ |
ISI Open Access Journals | می ۲۰۲۵ |
لیست سیاه وزارت علوم | خرداد ۱۴۰۴ |
لیست سیاه وزارت بهداشت | فروردین ۱۴۰۳ |
لیست سیاه دانشگاه آزاد | دی ۱۴۰۳ |
مجلات دارای زمان داوری | می ۲۰۲۵ |
مجلات درجه بندی شده از نظر سختی پذیرش | می ۲۰۲۵ |
فراخوانهای مقاله | مارس ۲۰۲۵ |
آمار دانلود مقالات هر مجله | می ۲۰۲۵ |
International Journal of Business Intelligence and Data Mining
انگلستان | کشور |
1743-8187 | ISSN |
1743-8195 | e-ISSN |
2005 تا کنون | مدت فعالیت |
Inderscience Publishers | ناشر |
www.inderscience.com | سایت مجله |
این مجله در فهرست مجلات Scopus قرار دارد و با نام International Journal of Business Intelligence and Data Mining ثبت شده است. بر اساس تقسیم بندی این بنیاد مقالات چاپ شده در این مجله در رشته های تخصصی زیر قرار دارند:
بر اساس دسته بندی این بنیاد این مجله در دسته Q4 قرار دارد
رشته تخصصی و رتبه مجله در آن رشته:
IJBIDM یک انجمن برای پیشرفتها و تحقیقات پیشرفته و همچنین فعالیتهای نوآورانه جاری در هوش تجاری، تجزیه و تحلیل دادهها و کاوی فراهم میکند. تجزیه و تحلیل داده های هوشمند ابزارهای قدرتمند و موثری را برای حل مسئله در انواع وظایف مدل سازی کسب و کار فراهم می کند. IJBIDM تکنیکهای هوشمند مورد استفاده برای مدلسازی کسبوکار را برجسته میکند، از جمله تمام زمینههای تجسم داده، پیش پردازش داده (تلفیقی، ویرایش، تبدیل، فیلتر کردن، نمونهبرداری)، مهندسی داده، تکنیکهای داده کاوی، ابزارها و برنامههای کاربردی، محاسبات عصبی، محاسبات تکاملی، تکنیکهای فازی. ، سیستم های خبره، فیلتر دانش و پس پردازش.
موضوعات تحت پوشش شامل
استخراج/گزارش/پاکسازی/پیش پردازش داده ها
OLAP، تجزیه و تحلیل تصمیم، مدل سازی علی
استدلال در شرایط عدم قطعیت، نویز در داده ها
چرخه هوش تجاری
مشخصات/انتخاب/برآورد مدل
فناوری وب، استخراج، عوامل
رویکردهای فازی، عصبی، تکاملی
الگوریتم های ژنتیک، یادگیری ماشین، سیستم های خبره/هیبرید
استنتاج بیزی، بوت استرپ، تصادفی سازی
تجزیه و تحلیل داده های اکتشافی / خودکار
تجزیه و تحلیل مبتنی بر دانش، تشخیص الگوی آماری
الگوریتم ها/فرایندهای داده کاوی
طبقه بندی، طرح ریزی، رگرسیون، خوشه بندی بهینه سازی
استخراج/بازیابی اطلاعات، تعامل انسان و کامپیوتر
تجسم داده های چند متغیره، ابزارها.