帕金森病(Parkinson’s Disease, PD)是一种在中老年人中常见的慢性中枢神经系统变性疾病。中医对帕金森病的研究源远流长,对帕金森的证型也是众说风云。结合多年的中医诊治经验,现代中医确定了帕金森病的五种证型,并认为帕金森患者最多同时伴有具有主次之分的两个证型。为了规范化帕金森病的中医诊断过程,现代中医提出了涵盖帕金森病相关临床症状的帕金森中医量表。对于如何从量表中的症状推断出具体的证型,中医界依然无法达成共识,诊断仍以经验为主。本文将多标签学习运用到中医诊断帕金森过程中,对证型进行主次分离,利用多标签算法发掘症状与证型中潜藏的相互关系,试图为中医诊断过程提供辅助决策。本文主要工作：1).针对将多标签应用于中医诊断帕金森领域,量表的症状作为特征属性,主次分离后的证型作为标签。根据次证的稀疏性,介绍了帕金森数据集中存在的较为严重的多标签类别不均衡问题。2).针对多标签不均衡中小类样本缺乏数据表示的问题,基于贡献度样本的区分以及异常数据样本过滤的思想,提出了一种适应型小类样本合成算法。算法从数据层面上很好的解决了多标签类别不均衡问题,相比于已有的多标签重采样算法获得了更好的实验结果。3).针对标签相关性对多标签不均衡的影响,基于标签子集构建以及欠采样集成的思想,提出了基于标签子集样本欠采样集成算法。实验结果表明算法相比于已有的多标签算法,在帕金森数据集以及多个公共数据集上能够更好的解决不均衡现象。