来源：学术之家整理 2025-03-18 15:41:06
1.Web of Science平台查询：使用浏览器打开Web of Science的官方网站。请注意，该网站可能需要注册登录才能使用。在搜索框中输入想要查询的期刊名称，进行搜索。在搜索结果中找到对应的期刊，点击进入期刊详情页面，可以找到期刊的影响因子以及分区情况。Web of Science通常提供JCR分区信息，包括Q1、Q2、Q3、Q4四个分区。
2.中科院文献情报中心查询：使用浏览器打开中科院文献情报中心的官方网站，或进入其期刊分区查询页面，在搜索结果中找到对应的期刊，查看其分区情况。中科院文献情报中心的分区主要是根据期刊超越指数来划分，与JCR分区有所不同，但同样具有参考价值。
3.联系期刊编辑部：如果对某个期刊的分区情况有疑问，可以直接联系杂志社或咨询在线客服。
需要注意的是，如果目标期刊未被SCI收录，则无法查询到JCR分区信息；部分新兴期刊或非英文期刊可能不在JCR数据库中。在选择期刊时，除了考虑分区情况外，还需要综合考虑期刊的影响力、发表难度、研究领域等因素。
《Evolving Systems》是一本专注于COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE领域的English学术期刊由SPRINGER HEIDELBERG出版商出版，出版周期6 issues per year。该刊发文范围涵盖COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE等领域，旨在及时、准确、全面地报道国内外COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE工作者在该领域的科学研究等工作中取得的经验、科研成果、技术革新、学术动态等。
《Evolving Systems》中文名称：《不断发展的系统》，ISSN号为1868-6478，E-ISSN号为1868-6486。6 issues per year出版一期特刊，专注于计算机：人工智能领域的关键概念，提供最新的研究概述。
《进化系统》涵盖了动态进化系统领域的调查、方法论和应用导向论文。‘进化系统’的灵感来自于动态变化和进化环境中系统模型进化的理念。与机器学习、数学建模和相关学科中的标准方法不同，这些方法假设并先验地固定模型结构，问题集中在参数优化上，而进化系统允许模型结构逐渐改变/进化。这种持续或终身学习和领域适应的目的是自我组织。它可以适应新的数据模式，更适合流数据、迁移学习，并且可以识别和学习未知和不可预测的数据模式。这些特性对于自主机器人系统至关重要，因为这些系统在设计完成后（运行时）会继续学习和适应。
《Evolving Systems》征集的出版物旨在解决非平稳、不可预测环境中系统建模、聚类、分类、预测和控制的各个方面的问题，并描述其设计的新方法和途径。
该期刊致力于从系统方法到案例研究和实际工业应用的自我开发、自我组织和进化系统的主题。它涵盖了方法论的各个方面，例如
不断发展的系统方法
不断发展的神经网络和神经模糊系统
不断发展的分类器和聚类
不断发展的控制器和预测模型
不断发展的可解释人工智能系统
不断发展的系统应用
而且还关注新的范式和应用，包括医学、机器人、商业、工业自动化、控制系统、交通、通信、环境监测、生物医学系统、安全和电子服务、金融和经济。所有提交的方法和系统的共同特征是系统和环境的不断发展。
该期刊涵盖与以下内容相关的贡献：
1）机器学习、人工智能、计算智能和数学建模方法
2）来自自然和生物学的灵感，包括神经科学、生物信息学和分子生物学、量子物理学
3）在工程、商业、社会科学中的应用。
该刊已被SCIE数据库收录，显示了其学术影响力和认可度。此外，该期刊在中科院最新升级版分区表中，被归类为计算机科学大类4区，COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE计算机：人工智能小类4区，进一步证明了其在学术界的地位。
从影响因子来看，《Evolving Systems》杂志的影响因子为：2.7 ，这表明该期刊所发表的论文在学术界具有广泛的影响力和引用率。该期刊的CiteScore为7.8，SJR为0.746，SNIP为1.022，显示出其在国际学术界的重要影响力。
近年中科院分区趋势图
近年IF值(影响因子)趋势图
影响因子：是美国科学信息研究所(ISI)的期刊引证报告(JCR)中的一项数据。指的是某一期刊的文章在特定年份或时期被引用的频率，是衡量学术期刊影响力的一个重要指标。自1975年以来，每年定期发布于“期刊引证报告”(JCR)。
声明：该作品系作者结合互联网公开知识整合。如有错漏请联系我们，我们将及时更正。
