目的　中医舌诊中,一幅舌象对应舌色、苔色和苔厚等多个类别,而且舌象的多个类别间存在一定的相关性.传统的数据挖掘技术无法利用这些相关性同时进行建模,本文拟探索用多标记学习方法解决舌象这种多标记数据的分类问题.方法　首先对舌象进行苔质分离,分别提取舌质和舌苔的颜色特征,再对舌苔图像分块,提取每一块的纹理特征,随后通过多标记学习算法(multi-label　learning　by　exploiting　label　dependency,LEAD)进行分类.最后将LEAD的分类结果和ML-kNN的结果进行对比,评价指标为汉明损失(Hamming　loss)、平均精度(average　precision)和((e)-评估)((e)-evaluation).结果　相对于SVM等传统的单标记学习算法,LEAD可以将多个类别同时赋予一幅舌图像,而且在三个指标上的分类效果均优于ML-kNN.结论　多标记LEAD算法用于舌象分类能够使得对舌象的描述更全面、准确,可以辅助中医进行舌诊.