NUMERICAL LINEAR ALGEBRA WITH APPLICATIONS:数值线性代数与应用期刊

原创
刊鹿编译
807阅读
2023年07月25日

数值线性代数及其应用在科学和工程计算中具有广泛的应用,其中包括求解线性系统、特征值问题、矩阵函数以及应用在数据处理和图像处理等方面。

NUMERICAL LINEAR ALGEBRA WITH APPLICATIONS是一本由 Wiley出版社出版的 SCI收录期刊,主要涉及数值线性代数和应用方向的研究,同时还涵盖了矩阵分析和计算、矩阵近似和压缩、矩阵微积分、矩阵不等式、矩阵多项式、矩阵分解和稳定性分析等研究领域。

NUMERICAL LINEAR ALGEBRA WITH APPLICATIONS期刊于 1994年创建,现任主编为 Panayot S. Vassilevski教授,副主编有多位知名学者,例如华盛顿大学、布朗大学的学者等。该期刊出版周期为季刊,且每年都会出版一个特刊,该特刊主要是针对某一研究方向,如近年来发布的特刊有矩阵压缩、大规模矩阵计算等。

封面

影响因子 :近年来, NUMERICAL LINEAR ALGEBRA WITH APPLICATIONS期刊的影响因子常年保持稳定,除了 2020年的上升。 2021年为 2.138 2022-2023年度上涨至 4.3,很有潜力。

自引率 :近年来, NUMERICAL LINEAR ALGEBRA WITH APPLICATIONS期刊的自引率波动很大, 2021年年为 12.9% 2022-2023年度下降至 2.3%

期刊分区 Cite Score 3.70,分区大类数学一区,在本领域中排名靠前。

根据 2022 12月最新升级版的中科院 SCI分区, NUMERICAL LINEAR ALGEBRA WITH APPLICATIONS期刊处于大类数学三区,小类数学二区,应用数学三区,比较稳定。

期刊发文量 :近年来, NUMERICAL LINEAR ALGEBRA WITH APPLICATIONS期刊发文量有一定波动,但总体变化不大, 2021年年为 63篇, 2022-2023年度为 50篇。

国人在该期刊的发文量占比 :近年来, NUMERICAL LINEAR ALGEBRA WITH APPLICATIONS期刊主要发文国家为美国和中国,国人发文占比 18% 305篇),可以看出 NUMERICAL LINEAR ALGEBRA WITH APPLICATIONS期刊对国人发文比较友好。

该期刊发表文章的主要研究领域及方向、发表文章关键词 NUMERICAL LINEAR ALGEBRA WITH APPLICATIONS期刊主要发表关于数值线性代数及其应用领域的研究论文,主要方向包括但不限于:线性系统求解、特征值问题、矩阵函数、数据处理和图像处理等。

 

是否OA期刊及版面费 NUMERICAL LINEAR ALGEBRA WITH APPLICATIONS期刊是收费期刊,不是开放获取期刊,但可以通过Wiley Online Library进行在线访问,个人用户需要付费。版面费4300美元,还是比较高的。

 

期刊投稿周期 :从lethub数据来看,该期刊文章接收率约为75%,审稿周期约为12个月,非常漫长,建议投稿时需要谨慎。

 

投稿经验总结 : 以下是小编为大家整理的部分网友的投稿经验:

网友1 :计算数学方面优秀期刊,有幸中过一篇。

网友2 :是最优秀的计算数学期刊之一,很好!

网友3 :这是数学子行业的优秀级杂志。它的影响因子不是很高,与此细分类别影响因子普遍偏低有关,但不代表容易投中,文章仍然需要一定的水平。

网友4 :这杂志不错,为计算数学权威期刊

可见,大家对该期刊评价颇高。

 

投稿须知 NUMERICAL LINEAR ALGEBRA WITH APPLICATIONS投稿者需要通过在线投稿系统提交论文,同时需要提供所有共同作者的信息和声明,确认论文的原创性和未被发表的性质。提交的论文应该遵循期刊的写作规范,并附带图表和数据等支持信息,同时遵循学术规范,严禁一稿多投行为。

 

期刊官方网站: http://onlinelibrary.wiley.com/journal/10.1002/(ISSN)1099-1506

期刊投稿网址: http://mc.manuscriptcentral.com/nla

 

期刊亮点 NUMERICAL LINEAR ALGEBRA WITH APPLICATIONS期刊的亮点包括但不限于: 其涵盖的研究领域广泛,涉及线性代数的理论、计算和应用; 发表的论文质量高,经过同行评审并受到广泛引用; 期刊的编辑团队来自世界各地的知名学者,代表着该领域的权威性; 该期刊不断推动线性代数领域的发展,不断涌现新的研究方向和应用场景。