Sanjay meena

4.5.3 CLASSIFICATION RESULT USING MULTICLASS LEAST 
SQUARE SUPPORT VECTOR MACHINE 
We hav given the same training gesture for LSSVM and same test data .We hav used LSSVM 
[12] toolbox for the classificatin.confusion matrix is given below. 

---

50 
Table (4.3) Confusion matrix of Multiclass Least Square Support Vector Machine 
Number of gesture per class=20 
Total class=25 
Total no. gesture=20*25=500 
Correctly classified gesture =496 
Accuracy=(
𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑙𝑦 𝑐𝑙𝑎𝑠𝑠𝑓𝑖𝑒𝑑 𝑔𝑒𝑠𝑡𝑢𝑟𝑒
𝑡𝑜𝑡𝑎𝑙 𝑛𝑜.𝑜𝑓 𝑔𝑒𝑠𝑡𝑢𝑟𝑒
)
× 100% 
= �
496
500
� × 100 = 99.2% 
4.6 
CONCLUSION
In this chapter we have discussed about different classification techniques. Local contour 
sequence which was determined in previous chapter has been used as input to different 
classfier.We have determined minimum distance between two classes in linear classifier .first we 
have calculated difference between our reference gesture and test gesture then based on that 
discrimination analysis we have assigned class to the test gesture. We have achieved 94.6% 
accuracy by using linear classifier. The second classification technique was support vector 

---

51 
machine. Support vector machine is used in pattern recognition. It determine the optimal hyper 
plane between two class of data .we have used one-vs-all technique for multi class classification 
for our project. We achieved accuracy of 98.6% by using multiclass support vector machine. 
Then next we have used least square support vector machine as our classifier and achieved 
99.2% accuracy.