统计学习理论是一种专门研究有限样本情况下机器学习规律的理论，它不仅考虑了对推广能力的要求，而且追求在现有有限信息的条件下得到最优结果。支持向量机是在统计学习理论的基础上发展而来的一种新的模式识别方法，在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。本文的工作是以说话人识别为背景研究支持向量机的理论和方法。说话人识别属于生物识别技术的一种，是一项根据语音波形中反映的说话人生理和行为特征的语音参数，自动鉴别说话人身份的技术。 本文在深入理解说话人识别基本原理的基础上，首先，介绍了几种被广泛应用的语音特征参数提取方法。其次，阐述了本课题算法的理论基础，统计学习理论及在统计学习理论上发展起来的支持向量机。 本文对支持向量机在说话人识别中的应用研究主要包括两个方面：探索支持向量机方法在说话人识别中的应用及解决传统经典支持向量机算法数据不平衡导致的分类精度下降问题。 作为这些研究成果的应用，本文在最后用Matlab程序实现了一个基于支持向量机的说话人识别系统试验平台。并根据对参试者进行的大量身份测试试验，总结系统的各方面性能和分析存在的问题，为进一步研究提供了方向和宝贵的经验。