【正文】 便，可以減少大量的計算。t檢驗的具體步驟如下：① 計算因素效應值 ② 計算誤差的均方根（標準差） （48） 若在安排實驗時沒有構(gòu)造誤差列，則可根據(jù)正交性先求出De,在根據(jù)De用下求出se （49） （410） ③查t分布表，求出。若Se,則稱該因素是不顯著的；Se Se,則稱該因素是顯著的；Se Se，則稱該因素是很顯著的；Se，則稱該因素是極顯著的。經(jīng)顯著性檢驗后不顯著的的因素的方差及自由度都應歸入誤差 （414） （415）這就說明不顯著的因素可以看成與誤差是等價的。對于沒有交互作用的因素，其最優(yōu)水平的確定就是根據(jù)因素水平平均值。這是因為若因素Fi和因素Fj有交互作用，且不考慮交互作用時Fi的l水平、Fj的k水平為最優(yōu)水平，也就是說+最優(yōu)。這時就要考察不同組合條件下的++項，總和最優(yōu)的才能算是最優(yōu)。如果一個因素同時在幾對交互作用中出現(xiàn)，就要把這個因素所涉及的全部具有交互作用的因素集合在一起，需要將這些因素的全部水平組合連同交互作用一起，從中找出最優(yōu)組合。+,+......一共有種組合，從中找出最優(yōu)組合。① 將所有的交互作用的因素找出來。③ 再將所有與該集合中的因素有交互作用的因素添加到該集合中，構(gòu)成新的集合｛a｝。⑤ 假定集合｛a｝中有i個因素，則這些因素的所有水平組合有種，對應著每一種組合都可以求出這種組合對應的因素效應與交互作用的代數(shù)和，一共有個。⑥ 從①中找出的所有的交互作用的因素中去掉｛a｝中的所有因素，在重復②～⑤，直到全部有交互作用的因素的最優(yōu)水平都確定出來為止。 經(jīng)過以上的討論與數(shù)據(jù)處理之后，就可以進行數(shù)據(jù)的預測了。數(shù)據(jù)的預測主要是根據(jù)數(shù)據(jù)處理后所得到的總評均值及因素效應值，預測某種水平組合條件下的目標函數(shù)值。在求預測值時，一般要把不顯著的因素效應去掉，只考慮顯著的因素效應。① 誤差波動范圍的確定 （416） （417） （418） ②預測值公式 （419） 5基于正交試驗的特征選擇 問題分析由于語音情感特征參數(shù)較多，將所有特征用于語音情感識別存在無關(guān)特征和冗余特征，不能達到很好的識別效果，且特征提取時間開銷較大。將所提取的特征通過正交試驗分析進行選擇，從而選擇出用于識別情感的有效的情感特征。本課題共提取了18個特征因素分別是。 （4）選取正交表 由于不考慮交互作用，所以只15個因素的自由度是15，只要n15就可以了，故選正交表。然后將這些因素及交互作用作為誤差來對其他因素及交互作用進行顯著性檢驗。 ② 求Se= ③ 差t分布表得到 根據(jù)查的數(shù)據(jù)求出 Se== Se== Se== ④比較判斷（不顯著：‘’；顯著：‘*’；很顯著：‘**’；極顯著：‘***’）表53a5d5d4d3d2d1△a5△△a5△d5△△d5△d4△△d4△d3△△d3△d2顯著性誤差誤差誤差***誤差**誤差******** ⑤計算數(shù)據(jù)波動范圍 == ⑥確定最優(yōu)組合因為不顯著因素在試驗范圍內(nèi)任意取值都對目標函數(shù)影響很小，故可以忽略。經(jīng)試驗反饋，%，滿足預測值的范圍，且識別率高，對于本次情感識別的課題很有幫助。王老師不僅在學業(yè)上給我以精心指導，同時還在思想、生活上給我以無微不至的關(guān)懷，在此謹向王老師致以誠摯的謝意和崇高的敬意。在論文即將完成之際，我的心情無法平靜，從開始進入課題到論文的順利完成，有多少可敬的師長、同學、朋友給了我無言的幫助，在這里請接受我誠摯的謝意!最后我還要感謝培養(yǎng)我長大含辛茹苦的父母，謝謝你們！ 最后，再次對關(guān)心、幫助我的老師和同學表示衷心地感謝！ 附錄一 數(shù)據(jù)處理程序data1=[1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 1 1 1 2 2 2 2 1 1 1 1 2 2 2 2 1 1 1 2 2 2 2 2 2 2 2 1 1 1 1 1 2 2 1 1 2 2 1 1 2 2 1 1 2 2 1 2 2 1 1 2 2 2 2 1 1 2 2 1 1 1 2 2 2 2 1 1 1 1 2 2 2 2 1 1 1 2 2 2 2 1 1 2 2 1 1 1 1 2 2 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 2 1 2 1 2 1 2 2 1 2 1 2 1 2 1 2 1 2 2 1 2 1 1 2 1 2 2 1 2 1 2 1 2 2 1 2 1 2 1 2 1 1 2 1 2 2 2 1 1 2 2 1 1 2 2 1 1 2 2 1 2 2 1 1 2 2 1 2 1 1 2 2 1 1 2 2 2 1 2 1 1 2 1 2 2 1 2 1 1 2 2 2 1 2 1 1 2 2 1 1 2 1 2 2 1 ]。[r1,c]=size(data1)。l=r1/f。%綜合分析for i=1:r for k=1:r1 for j=1:f if(data1(k,i)==j) sum0(j,i)=sum0(j,i)+data1(k,c)。for m=1:r1 F1=data1(m,c)+F1。 else zy(1,i)=2。 endDfor i=1:r M(1,i)=F(1,i)。誤差列數(shù):x=39。 %選擇誤差列數(shù)for i=1:x for j=1:r if abs(M(1,j))==N(1,i) A(1,i)=j。for i=1:x S=F(1,A(1,i))^2+S。Se=sqrt(S/fe) %誤差總方差%顯著性檢驗39。t0025fe=t0005fe=t00005fe=L=0。 該因素是極顯著的 39。 該因素是很顯著的 39。 該因素是顯著的 39。 %不顯著因素數(shù) fprintf(39。) B(1,L)=i。39。t0025f_e=W=0。 endY=0。 %不顯著因素效應平方和（Y）end S_e=sqrt(Y/f_e)。for i=1:L T=T+abs(F(1,B(1,i)))。for i=1:r H=H+abs(F(1