Уважаемые коллеги, доброго времени суток! Представляем вам нидерландское научное издание Multidimensional Systems and Signal Processing. Журнал имеет третий квартиль, издается в Springer Netherlands, его SJR за 2020 г. равен 0,337, пятилетний импакт-фактор - 1,920, печатный ISSN - 0923-6082, электронный - 1573-0824, предметные области - Аппаратная часть и системная архитектура, Прикладная математика, Программное обеспечение, Технология обработки сигналов, Информационные системы, Искусственный интеллект. Вот так выглядит обложка:
Редактором является Эрик Роджерс, контактные данные - etar@ecs.soton.ac.uk.
Дополнительные публикационные контакты - misba.ghouse@springernature.com, stella.lawrence@springernature.com, journalpermissions@springernature.com, elizabeth.dziubela@springer.com.
К публикации принимаются исследовательские и выборочные материалы, начиная от фундаментальных исследований и заканчивая важными новыми выводами. Журнал отвечает и обеспечивает решение широко разбросанного характера публикаций в данной области, обеспечивая единство темы, сокращение дублирования усилий и значительно улучшая коммуникацию между исследователями и практиками. Неполный список тем, рассматриваемых в журнале, включает проектирование и внедрение многомерных систем управления, теорию многомерной устойчивости и реализации, прогнозирование и фильтрацию многомерных процессов, пространственно-временная обработка сигналов, многомерные фильтры и банки фильтров, обработка сигналов массива, применение многомерных систем и обработки сигналов в таких областях, как здравоохранение и методы трехмерной визуализации.
Адрес издания - https://www.springer.com/journal/11045
Пример статьи, название - Efficient fingerprint features for gender recognition. Заголовок (Abstract) - After a crime scene, accurate gender recognition by fingerprint analysis is vital for detectives because precise gender recognition highly limits the search space. For extracting high quality features from fingerprint images, each image should be preprocessed. The preprocessing stages include segmentation, normalization, filtering, binarization, and thinning. Next, different features from various domains are elicited from each image. The suggested features are ridge count, minutiae points, discrete cosine transform, entropy, local binary pattern and ridge thickness valley thickness ratio features. Each feature and the combination of features for one and five fingers are separately applied to six efficient classifiers for gender recognition. The best result implies 99% accuracy with the ridge count for all five fingers. A combination of features for each finger in the best case provides 91% gender recognition accuracy. The combination of our candidate features for each finger is compared to singular value decomposition (SVD), discrete wavelet transform (DWT), and the combination of SVD and DWT. Our results statistically (p value < 0.05) outperform the compared methods. Keywords: Fingerprint; Feature extraction; Gender recognition; Ridges; Entropy