Normalizācija ar vektoriem — Eiklīda kolonnas normas skalēšana (L2 normalizācija)
NORM-VECTOR (Normalizācija ar vektoriem — Eiklīda kolonnas normas skalēšana (L2 normalizācija)) ir normalizācijas daudzkritēriju lēmumu pieņemšanas (MCDM) metode, ko 1981. gadā ieviesa Hwang, C. L. un Yoon, K. Tā pārvērš alternatīvu lēmumu matricu, kas novērtēta pēc vairākiem kritērijiem, strukturētā, reproducējamā rezultātā.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Vector Normalization — Euclidean column-norm scaling (L2 normalisation). ScholarGate. https://scholargate.app/lv/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.
- Kombinatīvās attāluma balstītās novērtēšanas metodeLēmumu pieņemšana↔ compare
- Novērtēšana, balstoties uz atšķirību no vidējā risinājumaLēmumu pieņemšana↔ compare
- Tehnika priekšrocību secībai pēc līdzības ar ideālo risinājumuLēmumu pieņemšana↔ compare
- Svērtās agregētās summas un produkta novērtēšanaLēmumu pieņemšana↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →