ScholarGate
Βοηθός

Σύγκριση μεθόδων

Εξετάστε τις επιλεγμένες μεθόδους δίπλα-δίπλα· οι γραμμές που διαφέρουν επισημαίνονται.

Στάθμιση Ανάλυσης Κυρίων Συνιστωσών×Τεχνική Κατάταξης Εναλλακτικών με βάση Προσαρμοσμένα Τυποποιημένα Διαστήματα×
ΠεδίοΛήψη ΑποφάσεωνΛήψη Αποφάσεων
ΟικογένειαMCDMMCDM
Έτος προέλευσης19012024
ΔημιουργόςPearson, K.Kara, K., Yalçın, G. C., Kaygısız, E. G., Simic, V., Örnek, A. Ş., Pamucar, D.
ΤύποςWeight_Objective (PCA variance explained, eigenvector-based)Two-level standardization + ideal/anti-ideal utility (β-anchored)
Θεμελιώδης πηγήPearson, K. (1901). On lines and planes of closest fit to systems of points in space. Philosophical Magazine DOI ↗Kara, K., Yalçın, G. C., Kaygısız, E. G., Simic, V., Örnek, A. Ş., Pamucar, D. (2024). A picture fuzzy CIMAS-ARTASI model for website performance analysis in human resource management. Applied Soft Computing DOI ↗
Εναλλακτικές ονομασίες
Συναφείς88
ΣύνοψηPCA-WEIGHT (PCA Weighting — Principal Component Analysis based objective weighting) is a weight objective multi-criteria decision-making (MCDM) method introduced by Pearson, K. in 1901. It turns a decision matrix of alternatives scored on multiple criteria into a structured, reproducible result.ARTASI (Alternative Ranking Technique based on Adaptive Standardized Intervals) is a ranking multi-criteria decision-making (MCDM) method introduced by Kara, K., Yalçın, G. C., Kaygısız, E. G., Simic, V., Örnek, A. Ş., Pamucar, D. in 2024. It turns a decision matrix of alternatives scored on multiple criteria into a structured, reproducible result.
ScholarGateΣύνολο δεδομένων
  1. v1
  2. 1 Πηγές
  3. PUBLISHED
  1. v1
  2. 1 Πηγές
  3. PUBLISHED

Μετάβαση στην αναζήτηση Λήψη διαφανειών

ScholarGateΣύγκριση μεθόδων: PCA-WEIGHT · ARTASI. Ανακτήθηκε στις 2026-06-18 από https://scholargate.app/el/compare