針對K近鄰多標(biāo)簽（ ML-KNN）分類算法中未考慮標(biāo)簽相關(guān)性的問題，提出了一種基于標(biāo)簽相關(guān)性的K近鄰多標(biāo)簽分類（ CML-KNN）算法。首先，計算出標(biāo)簽集合中每對標(biāo)簽間的條件概率；其次，對于即將被預(yù)測的標(biāo)簽，將其與已經(jīng)預(yù)測的標(biāo)簽間的條件概率進行排序，求出最大值；最后，將最大值跟對應(yīng)標(biāo)簽值相乘同時結(jié)合最大化后驗概率（MAP）來構(gòu)造多標(biāo)簽分類模型，對新標(biāo)簽進行預(yù)測。實驗結(jié)果表明，所提算法在Emotions數(shù)據(jù)集上的分類性能均優(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個評價指標(biāo)上低于ML-KNN與RAkEL算法。由實驗分析可知，該算法取得了較好的分類效果。