在现实生活中,分类问题是一个热门的话题,它是指对样本进行识别,最后给出样本所属的类别。而近年来很热门的有监督分类问题大多是多标签分类,它根据已知训练标签提供的样本,通过计算得到特征的参数,建立判别函数以对样本进行多标签分类。现阶段多标签分类问题的主流做法是将标签降维处理或者涉及到复杂的优化处理,这些方法在现阶段的多标签分类中取得的一定的成果,但抛开方法涉及到的计算量,它们最主要的问题在于没有考虑到多标签之间的各种关系。多标签分类对同一个实例对象可以归属于多个标签,而这些标签到达一定数量后,它们会出现层次结构,彼此之间也有各种关系,如何有效利用到这些关系在分类问题上,是现今多标签分类问题的一大挑战。近年最新的研究提出了一种基于层次-互斥关系图的算法模型,它可以灵活处理多标签之间的各种关系,并且可以有效利用这些标签之间的先验信息进行多标签分类。本文针对该问题做了研究,主要工作包括:1.基于“以图搜图”的衣服搜索问题的标签特点,设计和实现了一种基于层次-互斥模型和卷积神经网络,对衣服图片的多标签分类方法。我们在真实的在线购物网站衣服图片数据上进行了实验比较和分析,实验结果表明,与其它常用的多标签分类模型相比,层次-互斥模型能够有效地利用标签与标签之间的关系先验信息,并将其运用到判别函数上,而且比现有的主流算法拥有更好的分类准确率;2.基于上述的层次-互斥模型和卷积神经网络学习得出来的判别模型,实现了一个简单的服装多标签分类系统。