ScholarGate
Assistent
MCDMNormalizationcrisp

Vectornormalisatie — Euclidische kolomnormschaling (L2-normalisatie)

NORM-VECTOR (Vectornormalisatie — Euclidische kolomnormschaling (L2-normalisatie)) is een normalisatiemethode voor multi-criteria besluitvorming (MCB) die in 1981 werd geïntroduceerd door Hwang, C. L., Yoon, K. Het transformeert een beslissingsmatrix van alternatieven, beoordeeld op meerdere criteria, in een gestructureerd, reproduceerbaar resultaat.

Toepassen met DecisionMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Method map

The neighbourhood of related methods — select a node to explore.

Bronnen

  1. 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

Deze pagina citeren

ScholarGate. (2026, June 2). Vector Normalization — Euclidean column-norm scaling (L2 normalisation). ScholarGate. https://scholargate.app/nl/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.

Compare side by side
ScholarGateNORM-VECTOR (Vector Normalization — Euclidean column-norm scaling (L2 normalisation)). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/decision-making/norm-vector · Gegevensset: https://doi.org/10.5281/zenodo.20539026