IEEE Transactions on Pattern Analysis and Machine Intelligence（简称《IEEE TPAMI》）是模式分析与机器智能领域的期刊，聚焦机器学习、计算机视觉、模式识别及人工智能，涵盖深度学习、图像处理、自然语言处理及数据挖掘。本文基于期刊官网的最新指南，剖析了论文结构、格式和投稿要求，为模式分析与机器智能领域的科研者们提供实用指导。
IEEE推荐AJE的论文润色等服务，您在向IEEE旗下期刊提交稿件时，可以将AJE的润色证明一并提交给期刊。
期刊主页：https://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=34
期刊简介
《IEEE TPAMI》由IEEE Computer Society主办，创刊于1979年，致力于模式分析与机器智能领域的原创研究，主题包括机器学习、计算机视觉、模式识别、深度学习、图像处理、自然语言处理及数据挖掘。文章需具创新性、科学严谨性及对AI与模式分析的实际价值，适合计算机科学、人工智能及视觉技术领域的专业人士。期刊采用严格的同行评审，初审平均8-12周（官网数据）。作为混合出版期刊，作者可选择传统订阅模式或开放获取（OA）。
期刊相关信息：
- 影响因子：18.6（2024年）
- 中国科学院分区：1区（计算机科学-计算机：人工智能-工程：电子与电气）
- 出版费用：开放获取费用（APC）为2,645美元（2025年IEEE标准，官网数据）；订阅模式无APC。
- 出版频率：月刊（每年12期）。
投稿注意事项
- 文章长度：建议8-12页（双栏），含图表和参考文献；超过12页需支付超页费（220美元/页）。
- Cover letter：需提交，说明研究的创新性、技术贡献及适合《IEEE TPAMI》的理由，突出对模式分析与机器智能的理论或实践贡献。
- 初始投稿格式：需使用IEEE双栏模板（Word或LaTeX），初稿提交PDF，图表嵌入正文。
- 数据可用性：要求公开数据，需存放在IEEE DataPort或公共存储库（如figshare、Zenodo）并提供DOI。
- 代码可用性：涉及算法、模型或数据处理的需提供代码（如GitHub链接）或补充材料。
- 预印本政策：接受在arXiv等预印本服务器发布的稿件，需在投稿时声明。
- 审稿周期：初审约8-12周，采用单盲评审，至少三位审稿人。
- 出版费用减免：开放获取文章的无资助研究可申请APC减免，投稿后联系IEEE出版办公室（openaccess@ieee.org）。
- 开放获取选项：作者可选择开放获取（需支付APC）或订阅模式（无APC）。
- 彩图费用：订阅模式下，彩图每页175美元；开放获取文章无彩图费用。
- 投稿限制：允许一轮主要修订和一轮次要修订，拒绝后需编辑许可方可重新提交。
- 语言润色：建议使用IEEE推荐的AJE（American Journal Experts）服务，润色证明可随稿件提交。
- 扩展论文：如基于会议论文扩展，需新增至少30%内容，并提交原会议论文供审查。
- 伦理要求：涉及人类或动物数据的需提供伦理委员会批准编号，遵循《赫尔辛基宣言》或动物伦理指南。
文章类型
《IEEE TPAMI》主要发表以下类型文章：
- Regular Paper：完整研究文章（8-12页），报告模式分析与机器智能领域的原创研究。
- Short Paper：简短研究报告（≤4页），聚焦新颖技术或初步结果。
- Review Paper：综述某一专题（8-12页），需具广泛参考价值，通常由编辑邀请。
- Comment：对已发表文章的评论或更正（≤2页），需编辑批准。
- Correction：更正已发表文章，需编辑批准。
投稿需通过Manuscript Central提交，Review Paper需先联系编辑（tpami-eic@ieee.org）。
文章结构
一篇典型的Regular Paper包括以下部分，每部分附简短英文示例：
- 标题：简洁、描述性，突出模式分析或机器智能主题，最大15字。
示例：
Deep Learning for Image Recognition - 作者信息：列出所有作者的姓名、单位、电子邮件及ORCID。
示例：
Department of Computer Science, Stanford University, Stanford, CA, USA
Sarah Lee, Anil Kumar
AI Lab, Tsinghua University, Beijing, China
Wei Chen - 贡献声明：明确每位共同作者的贡献，遵循IEEE标准。
示例：
S.L. developed the deep learning model; A.K. conducted experiments; W.C. wrote the manuscript. - 通信作者：指定通信作者，提供电子邮件及ORCID。
示例：
Correspondence to: Wei Chen (wei.chen@tsinghua.edu.cn) - 摘要：概述研究背景、方法、结果和意义，最大250字，无参考文献。
示例：
A deep learning model improves image recognition by 10%. Tests on 10,000 images show 95% accuracy. Code at GitHub (https://github.com/DeepVision). Data at Zenodo (10.5281/zenodo.123456). This enhances computer vision. - 关键词：提供3-8个关键词，便于检索。
示例：
deep learning, image recognition, computer vision, pattern analysis - 引言：介绍研究背景、问题及目标，需包含参考文献。
示例：
Image recognition faces accuracy challenges [1]. Deep learning offers solutions [2]. This paper reports a novel model. - 正文：分节描述方法、实验、结果和讨论，使用子标题。
示例：
Model Architecture
The model uses a convolutional neural network (figure 1) [3]. - 结论：总结关键发现，提出应用或未来方向。
示例：
Conclusion
The model improves recognition accuracy. Future work will explore real-time applications. - 参考文献：列出所有引用文献（详见第6节）。
示例：
[1] J. Kim et al., “Vision trends,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 46, no. 7, pp. 123-134, Jul. 2024. - 致谢（可选）：感谢资助机构或个人，包含资助编号。
示例：
Funded by NSF grant CCF-1234567. We thank the Tsinghua AI Lab. - 作者简介：简述作者背景、教育经历及研究兴趣，附照片（可选）。
示例：
Sarah Lee received the Ph.D. degree from Stanford in 2023. Her research focuses on computer vision. - 伦理声明：包括利益冲突声明及伦理合规（如适用）。
示例：
Competing interests: The authors declare no competing interests.
Ethics approval: Approved by Stanford IRB (IRB-2023-123).
Data availability: Data at Zenodo: https://doi.org/10.5281/zenodo.123456.
Code availability: Code at GitHub: https://github.com/DeepVision. - 补充材料（可选）：提供额外数据、代码或视频。
示例：
Supplementary Video S1: Image recognition demo.
Supplementary Data S1: Image datasets.
格式要求
《IEEE TPAMI》要求初稿使用IEEE双栏模板（Word or LaTeX），建议8-12页，修订稿需符合出版规范。以下是具体要求：
字体和字号
- 正文：Times New Roman，10号字，单倍行距。
- 一级标题：粗体，11号字，首字母大写。
- 二级标题：粗体，10号字，首字母大写。
- 图表标题：粗体，8号字。
页面布局
- 使用 A4或Letter纸张，双栏排版。
- 页边距：上2.5厘米，下1.9厘米，左右1.6厘米。
- 行距：单倍行距，段前段后0点间距。
图表格式
- 图表嵌入正文，初稿为PDF，修订稿需单独上传高分辨率文件。
- 图表标题置于下方，Times New Roman，8号字，居中。
- 图表文字：8号字，确保清晰。
- 图表分辨率：至少300 DPI，推荐格式为TIFF、EPS或高分辨率JPEG。
- 颜色选择：支持彩色，建议高对比度（如蓝/黄），避免红绿以照顾色盲读者。
- 图例：每幅图说明不超过300字，置于图下方。
- 版权：需获得受版权保护的图表许可，提交许可文件。
公式与术语
- 公式居中，右对齐编号，如 (1)，文中称为“equation (1)”。
- 术语遵循IEEE及AI标准（如“deep learning”而非 “neural network”）。
- 示例：
(1) L = f(X) + g(Y)
表格
- 表格嵌入正文，包含标题和图例，置于页面顶部或底部。
- 大型表格作为补充材料（如Excel）。
参考文献格式
《IEEE TPAMI》要求使用IEEE引用风格，按文中出现顺序编号，文中以方括号引用（如 [1]）。参考文献需准确，优先引用期刊文章。以下是示例：
- 期刊文章：
[1] J. Kim, L. Wang, et al., “Vision trends,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 46, no. 7, pp. 123-134, Jul. 2024. - 会议论文：
[2] S. Lee and A. Kumar, “Image recognition,” in Proc. IEEE CVPR, Seattle, WA, USA, Jun. 2024, pp. 45-46. - 书籍：
[3] C. Bishop, Pattern Recognition and Machine Learning, New York, NY, USA: Springer, 2006. - 数据集：
[4] S. Lee and W. Chen, “Image dataset,” Zenodo, 2024. [Online]. Available: https://doi.org/10.5281/zenodo.123456 - 预印本：
[5] A. Kumar and W. Chen, “Deep learning advances,” arXiv:2401.12345, Jan. 2024. [Online]. Available: https://arxiv.org/abs/2401.12345
伦理声明
- 利益冲突：需声明所有作者的利益冲突（如“无利益冲突”）。
- 伦理合规：涉及人类或动物数据的需提供伦理委员会批准编号，遵循《赫尔辛基宣言》或动物伦理指南。
- 数据可用性：需声明数据存储库及访问方式。
- 代码可用性：需提供代码存储库或补充材料。
- 示例：
Competing interests: The authors declare no competing interests.
Ethics approval: Approved by Stanford IRB (IRB-2023-123).
Data availability: Data at Zenodo: https://doi.org/10.5281/zenodo.123456.
Code availability: Code at GitHub: https://github.com/DeepVision.
补充材料
- 补充材料作为单独文件提交，格式为PDF、Excel、MP4（H.264编码，16:9）或ZIP.
- 包含大型数据集、代码或视频，无额外费用。
- 示例：
Supplementary Video S1: Image recognition demo.
Supplementary Data S1: Image datasets.
投稿流程
作者需通过Manuscript Central提交论文。流程如下：
- 注册并关联ORCID，指定通信作者（需符合IEEE作者标准）。
- 上传IEEE模板稿件（PDF）、cover letter、图表（嵌入PDF）及补充材料。
- 提供利益冲突声明、数据/代码可用性声明及伦理声明。
- 提交推荐审稿人（可选，3-5人，需提供姓名、邮箱及理由）。
- 在Manuscript Central跟踪审稿状态，初审约8-12周。
- 修订稿需提交：修改稿（Word/LaTeX）、审稿回复（逐点回应）、高分辨率图表。
- 可联系编辑部（tpami-eic@ieee.org）查询状态或申请APC减免（开放获取文章）。
最后
IEEE Transactions on Pattern Analysis and Machine Intelligence期刊对机器学习、计算机视觉及人工智能的研究，促进了智能技术的理论与应用突破。当前投稿请使用IEEE模板，并通过Manuscript Central提交，投稿前请仔细核对官网投稿指南及IEEE模板.
