多标签分类方法作为一种重要的机器学习模型被广泛应用到各个领域,尤其是图像注释,因为一幅图片往往会因为人的文化背景和经验的不同被赋予不同的情感语义。因此,多标签分类研究具有理论研究与实际应用价值。k-近邻算法,作为一种经典的分类方法,被广泛应用在多标签分类和图像注释领域中,然而现有的k-近邻算法多是基于某个标签或局部特征的近邻关系,而非数据样本与样本之间的直接关联,这使得k-近邻算法在多标签模型上的可解释性和直观性上都有所欠缺。本文针对多标签分类问题,开展了基于类引力的多标签分类方法研究,主要研究工作如下:(1)经研究表明物体的引力作用与数据的相似度存在相关性,因此在多标签领域引入一种基于类引力的多标签分类算法。该方法通过将万有引力公式引入到k-近邻的多标签分类方法中,从而发现特征空间上非几何近邻的关联关系,规避因为多标签模型不平衡和稀疏而导致的信息丢失。同时类引力的计算可以建立起多标签数据集数据样本与样本之间的直接关联,依凭这种直接关联,选取k个最大类引力实例作为一个临时的聚类,再借助类引力权重给出最终的分类结果。不同类型,不同规模的多标签数据集的实验证实了该算法在多标签模型上的有效性和适应性。(2)近邻模型是图像注释领域的一个重要的模型,然而现有近邻模型中缺少图像与图像之间的直接且可视的关联关系,在多标签分类中分类指标较优的类引力分类方法可以很好的弥补这一空缺。且由本文推荐方法选出的k个最大类引力实例组成的临时的聚类,其中的图像存在着语义相近、特征相似的关系,因此依据该聚类而做出的类权重结果,可以有效地提高图像注释的准确度和可信度,从而在一定程度上克服了图像底层的视觉特征与人类的情感语义上的鸿沟。