浙江工业大学之江学院信息工程学院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：LQ13F030010)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Pattern Recogn.、Inform.
Sciences.、Knowl-Based Syst.、Neurocomputing等在内的国际权威期刊上，其中被科学索引SCI论文10篇(4篇TOP SCI、1篇ESI高引用论文)；共计引用次数200余次(Google学术)；并作为负责人后续获批国家自然科学基金2项(项目批准号：61603338和11426202)。

陈伟杰博士所在的课题组为OPTIMAL机器智能优化科研团队，是国内首支研究非平行支持向量机的团队。该团队成立于2011年，由科研第一线的80后青年博士组成，主要的研究领域为大规模数据挖掘，稀疏学习和非平行支持向量机。邵元海博士为团队学术带头人，核心成员有陈伟杰博士、叶娅芬博士、李春娜博士、王震博士、刘明增博士，以及若干研究生。近5年，该团队共承担5项国家自然科学基金和5项浙江省自然科学基金，共发表学术论文60余篇，其中被科学索引SCI论文39篇(JCR 1区5篇，JCR2区11篇，3篇ESI高引论文)，总引用率达800余次。