浙江工业大学陈伟杰博士在浙江省自然科学基金项目“基于最大间隔和结构信息的非平行超平面SVM模型及算法研究”(项目批准号：LQ13F)的资助下，围绕非平行支持向量机(NSVM)中的结构化学习问题，从最优化模型的构建、样本结构信息的提取及模型求解算法等方面展开深入研究，取得了一系列阶段性成果。
在基金的支持下取得如下最新成果有：针对多标签学习问题，首次提出多标签的非平行SVM学习模型(MLTSVM)；基于聚类拟合思想，提出非平行SVM的训练/预测一致的学习框架，并在此基础上提出NHSVM模型；针对GEPSVM训练/预测度量不一致问题，提出了一致的拟合超平面分类方法(PCC)；针对半监督学习问题，在GEPSVM优化模型中引入结构信息正则项，首次提出半监督GEPSVM学习模型(MPSVM)；针对PU问题，通过构造正类与未标签样本局部近邻图，首次提出非平行SVM的半监督学习模型(LUHC)；针对不均衡分类问题，根据样本分布的局部结构加权信息，提出一个有效的非平行SVM不均衡学习模型(WLTSVM)。上述相关研究成果发表在包括PatternRecogn.、Inform.Sciences.、Knowl-BasedSyst.、Neuro