Vektornormalisering — Euklidisk kolumnnormering (L2-normalisering)
NORM-VECTOR (Vektornormalisering — Euklidisk kolumnnormering (L2-normalisering)) är en normaliseringsmetod inom multikriteriebeslutsfattande (MCDM) som introducerades av Hwang, C. L., Yoon, K. år 1981. Den omvandlar en beslutmatris med alternativ poängsatta på flera kriterier till ett strukturerat, reproducerbart resultat.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). Vector Normalization — Euclidean column-norm scaling (L2 normalisation). ScholarGate. https://scholargate.app/sv/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.
- Kombinatorisk avståndsbaserad bedömningBeslutsfattande↔ compare
- Utvärdering baserad på avstånd från genomsnittslösningBeslutsfattande↔ compare
- Teknik för ordning av preferens genom likhet med ideal lösningBeslutsfattande↔ compare
- Viktad aggregerad summa produktbedömningBeslutsfattande↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →