1.2.2 数据无量纲化 由于各指标的量纲可能不同，需要对原始数据进行无量纲化处理，针对不同要求的数据类型进行不同的归一化处理[8-10]。

    对于指标数据要求越大越好者，采用公式(2)处理：

    1.2.3 线性投影 投影寻踪方法就是最大程度地寻找能够表现数据特征的最佳投影方向，从而实现降维，其实质是将m维归一化后的数据χij(i=1，2，……，m)按某一投影方向a=(a1，a2，……，am)综合成一维数值Zi：

    1.2.4 构造投影指标函数 当在综合投影值时，要求投影值的区间分布特征应为：整体上，各区间内的样本指标数据的投影值应与其他区间的投影值尽可能散开；而在局部上，尽可能密集，最好凝聚成若干个值团。因此，将n个评价指标进行投影为一维时，投影指标函数可用类间距离和类内密度表示为：

    1.2.5 确定最佳投影指标函数，优化投影方向 最佳投影方向的实质是从不同角度去观察分析数据，投影方向不同得到的值所代表的数据结构特征是不一样的，而最佳投影方向意味着能够最大程度的暴露高维数据特征的方向矢量 ......