A Hybrid Random Forest+LSTM Framework for Enhanced EEG-Based Emotion Recognition

본 연구는 EEG 신호 기반 감정인식 성능 향상을 목적으로 Random Forest(RF)와 LSTM을 결합한 하이브리드 모델을 제안하였다. 모델 구성은 두 단계로 이루어진다. 먼저 Random Forest 기반 특징선택으로 감정의 특징들을 선별한 뒤, LSTM을 통해 선별된 특징들이 시간 흐름에 따라 나타내는 변화 패턴을 학습한다. 성능 평가는 DEAP 데이터세트의 32명 전체 피험자를 대상으로 2-Class(Arousal, Valence)와 4-Class(Arousal, Valence, Dominance, Liking) 분류 실험으로 진행되었으며, Accuracy, TP-rate, F1-score를 평가 지표로 사용하였다. 실험결과 2-Class와 4-Class 분류에서 각각 94.59%, 94.61%의 정확도를 달성하였고, 낮은 표준편차를 통해 안정적이고 일관된 분류 성능을 확인하였다. 이러한 결과는 Random Forest 기반 특징 선택과 LSTM을 결합한 하이브리드 접근법이 EEG 기반 감정인식 성능 향상에 효과적임을 보여준다.