Revista Internacional de Metodos Numericos para Calculo y Diseno en Ingenieria

Revista Internacional de Metodos Numericos para Calculo y Diseno en Ingenieria 由 Scipedia S.L 出版，属中科院工程技术大类（2025 升级版4区）。按 OpenAlex 近年发文统计，该刊主要发表 Structural Engineering and Vibration Analysis、Structural Health Monitoring Techniques、Advanced Numerical Methods in Computational Mathematics 等主题的论文，这 3 个主题约占 21.6%，主导子领域为 Civil and Structural Engineering。（根据 OpenAlex 主题统计与中科院分区数据生成）

AbstractBreast cancer is among the major causes of cancer-related mortality in women, and early diagnosis is critical to improved survival. However, traditional diagnostic methods or standalone models often lack precision and have the potential to give false-negative results. This study aims to present a hyperparameter-tuned ensemble learning model for the classification of breast benign and malignant tumors based on the Wisconsin Breast Cancer (Original) dataset. Data quality was ensured through a series of preprocessing techniques: median imputation, Zscore standardization, and the Local Outlier Factor (LOF) noise reduction algorithm. The classical Machine Learning (ML) models (SVM, Random Forest (RF), XGBoost, Bagging) were compared with the Deep Learning models (VGG16 and DenseNet121). A hybridized soft-voting ensemble of the four classical classifiers (SVM, RF, XGBoost, and Bagging) was then constructed, and its hyperparameters were tuned with the OPTUNA framework using the Treestructured Parzen Estimator (TPE), a Bayesian optimization algorithm, over 30 trials. The results of the experiments demonstrated that the Ensemble + OPTUNA model performed with an accuracy of 99.25% and a recall of 1.00 for the malignant class compared to the individual models and recent state-of-the-art methods. This is an optimized ensemble for reliable and computationally stable performance. To enhance transparency and privacy-preserving validation in clinical settings, Explainable AI (XAI) will be incorporated into future research, while Federated Learning will be enhanced to better validate the model.

摘自期刊官网 Aims & Scope

研究方向（LetPub）：工程技术-工程：综合

主编 Eugenio Oñate出版商官网

中科院期刊分区表

数据库收录

SCIEScopusDOAJLetPub

国际期刊预警名单：各版本均未列入LetPub

不同版本、大类与小类分别展示，不将不同评价口径合并为一个分区值；投稿与考核前请确认所在机构采用的版本。

影响力指标

影响因子

0.65LetPub · 2026-09-13

影响因子（出版商公布） 2025

0.7出版商官网 · 2026-09-29

CiteScore 2026-06

0.8LetPub · 2026-09-13

CiteScore（出版商公布） 2025

0.8出版商官网 · 2026-09-29

SJR 2026-06

0.18LetPub · 2026-09-13

SNIP 2026-06

0.28LetPub · 2026-09-13

h-index

8LetPub · 2026-09-13

h-index

14OpenAlex · 2026-10-01

i10-index

34OpenAlex · 2026-10-01

两年平均被引

0.44OpenAlex · 2026-10-01

自引率

28.6%LetPub · 2026-09-13

Gold OA 文章占比

96.37%LetPub · 2026-09-13

发文规模

年文章数

90LetPub · 2026-09-13

不同来源的统计口径与观测时间不同，页面保留各来源原值；“出版商公布”为期刊官网自述数据。

平均审稿速度（社区反馈）

>12周，或约稿LetPub · 2026-09-13

平均录用比例（社区反馈）

容易LetPub · 2026-09-13

投稿到发表（期刊自报）

约 12 周DOAJ · 2026-10-11

评审方式

单盲同行评审DOAJ

社区反馈来自投稿者样本，置信度 0.5，不代表期刊承诺；“出版商公布”的时间节点定义以官网为准。

• APC 费用说明 ↗DOAJ
• 开放获取声明 ↗DOAJ
• 许可与版权 ↗DOAJ

费用以期刊官网为准；不同来源的观测时间可能不同，页面保留各来源原值，不做平均。

摘录来自期刊官网页面，仅保留原文片段；“模型摘要”由 Workers AI 生成并经原文校验，以官网为准。

出版商

Scipedia S.L

出版国家或地区

SPAIN

出版语言

Spanish, English, Portuguese

出版周期

Quarterly

创刊年份

2009

ISSN

0213-1315

电子版 ISSN

1886-158X

官方链接

• 期刊主页 ↗LetPub
• 投稿系统 ↗LetPub
• 作者指南 ↗LetPub
• Aims & Scope ↗LetPub
• 专刊 / 特刊征稿 ↗出版商官网
• APC 费用说明 ↗DOAJ
• 开放获取声明 ↗DOAJ
• 许可与版权 ↗DOAJ
• 评审流程 ↗LetPub
• 编委会 ↗LetPub