針對(duì)K近鄰多標(biāo)簽（ ML-KNN）分類(lèi)算法中未考慮標(biāo)簽相關(guān)性的問(wèn)題，提出了一種基于標(biāo)簽相關(guān)性的K近鄰多標(biāo)簽分類(lèi)（ CML-KNN）算法。首先，計(jì)算出標(biāo)簽集合中每對(duì)標(biāo)簽間的條件概率；其次，對(duì)于即將被預(yù)測(cè)的標(biāo)簽，將其與已經(jīng)預(yù)測(cè)的標(biāo)簽間的條件概率進(jìn)行排序，求出最大值；最后，將最大值跟對(duì)應(yīng)標(biāo)簽值相乘同時(shí)結(jié)合最大化后驗(yàn)概率（MAP）來(lái)構(gòu)造多標(biāo)簽分類(lèi)模型，對(duì)新標(biāo)簽進(jìn)行預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明，所提算法在Emotions數(shù)據(jù)集上的分類(lèi)性能均優(yōu)于ML-KNN、AdaboostMH、RAkEL、BPMLL這4種算法；在Yeast、Enron數(shù)據(jù)集上僅在1-2個(gè)評(píng)價(jià)指標(biāo)上低于ML-KNN與RAkEL算法。由實(shí)驗(yàn)分析可知，該算法取得了較好的分類(lèi)效果。