ভেক্টর নরমালাইজেশন — ইউক্লিডীয় কলাম-নর্ম স্কেলিং (L2 নরমালাইজেশন)
NORM-VECTOR (ভেক্টর নরমালাইজেশন — ইউক্লিডীয় কলাম-নর্ম স্কেলিং (L2 নরমালাইজেশন)) হলো একটি নরমালাইজেশন মাল্টি-ক্রাইটেরিয়া ডিসিশন মেকিং (MCDM) পদ্ধতি যা ১৯৮১ সালে Hwang, C. L., Yoon, K. কর্তৃক প্রবর্তিত হয়। এটি একাধিক মানদণ্ডের ভিত্তিতে স্কোরকৃত বিকল্পগুলির একটি ডিসিশন ম্যাট্রিক্সকে একটি সুগঠিত, পুনরুৎপাদনযোগ্য ফলাফলে রূপান্তরিত করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Hwang, C. L., Yoon, K. (1981). Multiple Attribute Decision Making: Methods and Applications. Lecture Notes in Economics and Mathematical Systems, Vol. 186, Springer-Verlag DOI: 10.1007/978-3-642-48318-9 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 2). Vector Normalization — Euclidean column-norm scaling (L2 normalisation). ScholarGate. https://scholargate.app/bn/decision-making/norm-vector
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- কম্বিনেটিভ ডিসটেন্স-বেসড অ্যাসেসমেন্টসিদ্ধান্ত গ্রহণ↔ compare
- গড় সমাধান থেকে দূরত্বের ভিত্তিতে মূল্যায়নসিদ্ধান্ত গ্রহণ↔ compare
- Ideal Solution-এর সঙ্গে সাদৃশ্যের ভিত্তিতে পছন্দের ক্রম নির্ণয়ের কৌশলসিদ্ধান্ত গ্রহণ↔ compare
- ওয়েটেড অ্যাগ্রিগেটেড সাম প্রোডাক্ট অ্যাসেসমেন্টসিদ্ধান্ত গ্রহণ↔ compare
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →