强推！SCI三区，无版面费，最快6个月accept！

数据库中的数据挖掘和知识发现（KDD）是一个快速增长的研究和应用领域， DATA MINING AND KNOWLEDGE DISCOVERY 是该领域的领先技术出版物，它提供了一个资源集合，收集了相关的通用方法和技巧，并为统一的多元化研究社区提供了一个论坛。该期刊发表原创的技术论文，涵盖DMKD的研究和实践、重要领域和技术的调查和教程，以及重大应用的详细描述。

期刊分区：

中科院SCI分区：3区

影响因子：2.8（2023-2024最新）

平均录用比例：容易（网友分享）

是否OA：No

审稿周期：平均6个月（网友分享）

自引率：0%

出版费用：

开放获取模式： £2190.00/$3090.00/€2490.00

传统模式： 免费

期刊官网：https://www.springer.com/10618

期刊投稿网址：https://www.editorialmanager.com/dami

作者指南网址：https://www.springer.com/10618/submission-guidelines

征稿范围（包括但不限于）：

• 理论与基础问题： 数据和知识的表示；结构化、文本和多媒体数据的建模；不确定性管理；发现的知识的有趣性和实用性指标；数据挖掘中的算法复杂性、效率和可扩展性问题；大规模数据集上的统计。
• 数据挖掘方法： 包括分类、聚类、概率建模、预测和估计、依赖分析、搜索和优化。
• 数据挖掘算法： 包括空间、文本和多媒体数据（例如，网络），对大型数据库的可扩展性，并行和分布式数据挖掘技术，以及自动化发现代理。
• 知识发现过程： 数据挖掘的数据预处理，包括数据清洗、选择、高效采样和数据缩减方法；评估、整合和解释发现的知识；数据和知识的可视化；交互式数据探索和发现。
• 应用问题： 应用案例研究；数据挖掘系统和工具；KDD成功与失败的细节；网络上的资源/知识发现；隐私和安全问题。