近年来,多类标分类问题在生活中变得越来越常见,在学术研究中也逐渐成为了一个热点。在多类标分类问题中,训练集中的每个样本都对应由一个或者多个类标组合而成,而在传统的分类问题中,每个样本只属于一个类,和多类标分类问题有着明显的不同。因此,用于单类标分类的算法不能直接用于多类标分类问题。目前关于解决多类标分类问题已经有了很多的算法,但是经过我们的调研和实验,我们发现它们在结果上并没有达到预期,仍然有不少的提升空间。本文通过对网络回归进行了一定研究的基础上,将网络回归中的方法应用到了预测聚类树算法中,然后又使用随机森林算法对之进行集成,提出了一种新的多类标分类算法。本文主要做了如下的工作:(1)从随机森林、预测聚类树以及多类标分类算法三个方面对国内外文献进行了调研。全面总结了多类标研究领域内的分类算法及其验证准则;(2)通过把非网络数据的多类标数据转化成网络数据,将用于网络回归的算法运用到了多类标分类的场景;(3)将聚类之间距离和利用网络回归的方法计算出的聚类内部紧密度结合到一起作为预测聚类树分裂过程中选择最优分裂属性的依据;(4)基于以上的工作,将预测聚类树算法和随机森林算法集成到一起从而提出了一种新的多类标分类算法。最后本文将新提出的算法与目前业内比较常用的优秀算法在多个领域的多个数据集上进行实验,实验结果证明我们的算法具有良好的分类性能。