Уважаемые коллеги, доброго времени суток! Представляем вам швейцарское научное издание International Journal of Data Mining, Modelling and Management, его адрес - https://www.inderscience.com/jhome.php?jcode=ijdmmm. Журнал имеет третий квартиль, издается в Inderscience Publishers, выходит четыре раза в год, его SJR за 2019 г. равен 0,331, печатный ISSN - 1759-1163, электронный - 1759-1171, предметные области - Менеджмент информационных систем, Информатика - искусственный интеллект, Компьютерные науки, Моделирование и имитация, Прикладная наука о компьютерах. Вот так выглядит обложка:
Редактором является Джон Ванг, контактные данные - j.john.wang@gmail.com
Облегчение перехода от данных к информации и знаниям имеет первостепенное значение для организаций. Компании наводнены данными и противоречивой информацией, но с ограниченными реальными полезными знаниями. Однако редко следует рассматривать процесс под ограниченным углом или по частям. Изолированные острова интеллектуального анализа данных, моделирования и управления (DMMM) должны быть соединены. Издание выделяет интеграцию DMMM, статистики/машинного обучения/баз данных, каждого элемента управления цепочкой данных, типов информации, алгоритмов в программном обеспечении, от предварительной обработки данных до постобработки, между теорией и приложениями. Охватываемые темы включают: Искусственный интеллект, Биомедицинские науки, Бизнес - аналитика/интеллект, моделирование процессов, Информатика, системы управления базами данных, Управление данными, добыча полезных ископаемых, моделирование, складирование, Инженерия, Экология, окружающая среда (экоинформатика), Информационные системы/технологии, телекоммуникации/сети, Наука управления, операционные исследования, математика/статистика, Социальные науки, Бизнес/экономика, (вычислительные) финансы, Здравоохранение, медицина, фармацевтика, (Вычислительная) химия, биология (биоинформатика), Устойчивые системы мобильности, интеллектуальные транспортные системы, Национальная безопасность.
Пример статьи, название - An enhanced cooperative method to solve multiple-sequence alignment problem. Заголовок (Abstract) - In this research study, we aim to propose a novel cooperative approach called dynamic simulated particle swarm optimisation (DSPSO) which is based on metaheuristics and the pairwise dynamic programming (DP) procedure to find an approximate solution for the multiple-sequence alignment (MSA) problem. The developed approach applies the particle swarm optimisation (PSO) algorithm to discover the search space globally and the simulated annealing (SA) technique to improve the population leader quality in order to overcome local optimum problem. After that the dynamic programming technique is integrated as an improver mechanism in order to improve the worst solution quality and to increase the convergence speed of the proposed approach. Simulation results on BAliBASE benchmarks have shown the potent of the proposed method to produce good quality alignments comparing to those given by other literature existing methods. Keywords: cooperative approach; multiple-sequence alignment; MSA; DSPSO; particle swarm optimisation; PSO; SA; DP; BAliBASE benchmarks.
