Vektorin normalisointi — Euklidinen sarakenormin skaalaus (L2-normalisointi)
NORM-VECTOR (Vektorin normalisointi — Euklidinen sarakenormin skaalaus (L2-normalisointi)) on normalisointimenetelmä monikriteerisessä päätöksenteossa (MCDM), jonka esittelivät Hwang, C. L. ja Yoon, K. vuonna 1981. Se muuntaa päätösmatriisin, jossa vaihtoehtoja on pisteytetty useiden kriteerien mukaan, jäsennellyksi, toistettavaksi tulokseksi.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Vector Normalization — Euclidean column-norm scaling (L2 normalisation). ScholarGate. https://scholargate.app/fi/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.
- Combinative Distance-Based AssessmentPäätöksenteko↔ compare
- Arviointi perustuen etäisyyteen keskimääräisestä ratkaisustaPäätöksenteko↔ compare
- Tekniikka ihanteelliseen ratkaisuun samankaltaisuuden perusteella priorisointiinPäätöksenteko↔ compare
- Painonnettu aggregoitu summa-tuloarviointiPäätöksenteko↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →