中医学是中国文化的重要组成部分,其在中国古代人民与疾病抗争的过程中做出了巨大的贡献,即便是在科学发展的今天,中医作为西医的一种互补的医疗手段仍发挥着重要的作用。中医理论形成过程受经验影响巨大,存在很大的不确定性,限制了中医进一步的发展。数据挖掘技术的引入,为中医研究提供了一种新的思路,从海量历史数据中发挖出隐藏在其背后的客观规律,在揭示中医理论本质的同时推动中医研究的进一步发展。本文通过多标签学习技术对帕金森病中医诊断进行研究,在深入研究多标签学习算法的同时,将其应用于帕金森病中医诊断中,帮助推动中医在帕金森病诊断中的应用。论文主要工作如下:1)提出一种基于样本分布密度加权改进的ML-KNN算法——DBWML-KNN算法。用样本之间的平均相似度表示样本分布密度,通过定义合适的加权因子,使得密度大的样本具有较小的权重,而密度小的样本具有较大的权重,来减小样本分布密度不均衡问题带来的不利影响,最终达到提升算法分类效果的目的。2)针对帕金森病中医诊断中存在的问题与挑战,提出两阶段预测诊断模型,将多标签学习算法应用于帕金森病中医诊断中。通过证型预测和证型修正两个阶段的共同作用,将多标签学习技术更好的应用于实践,推动中医在帕金森病诊断中的应用。3)继续深入多标签学习的研究,将标签关系进行考虑,提出一种基于标签条件概率度量标签关系的新思路。并将其应用于ML-KNN算法中,得到LCPML-KNN算法。实验结果表明,基于标签条件概率度量标签关系的新思路不仅在公共实验数据集上可以取得良好的效果,在帕金森病中医诊断的历史数据上仍可以得到很好的结果,为多标签学习在帕金森病中医诊断中的更好应用提供长久的技术支持。