支持向量机(SVM)在声音(事件)识别领域得到了广泛而成功的应用。然而,SVM在实际信号处理应用中的扩展仍然是一个正在进行的研究课题。我们的工作包括说明SVM在识别属于复杂现实世界数据集的脉冲音频信号方面的潜力。我们建议应用优化的单类支持向量机(1-SVM)来处理声音识别过程中的声音检测和分类任务。首先,我们提出了一种有效且准确的方法来检测连续音频流中的事件。所提出的不需要任何预训练模型的无监督声音检测方法是基于使用指数族模型和1-SVM来近似广义似然比。然后,为了解决有监督的声音分类任务,我们使用了基于1-SVM的新的区分算法和新的相似度度量。我们将新的声音检测和分类方法与其他流行的方法进行了比较。实验中取得的显著声音识别结果说明了这些方法的潜力,并表明1-SVM非常适合于事件再认知任务。