MCDMNormalizationcrisp

Vektor (L2) normalisering

VEKTOR-NORMALISERING (Vektor (L2) normalisering) är en normaliseringsmetod inom multipelbeslutsfattande (MCDM). Det normaliserar kriterievärdena genom att dividera varje värde med normen (L2-norm = √(summan av kvadrerade värden)) för den kolumnen. Detta omvandlar heterogena skalar från olika mätskalor till jämförbara dimensionslösa värden i intervallet [0, 1].

Tillämpa med DecisionMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Källor

Hwang, C. L., Yoon, K. (1981). Multiple Attribute Decision Making: Methods and Applications. Springer-Verlag, Berlin DOI: 10.1007/978-3-642-48318-9 ↗

Så citerar du den här sidan

ScholarGate. (2026, June 2). Vector (L2) Normalization. ScholarGate. https://scholargate.app/sv/decision-making/vector-normalization

Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →