La clasificación multi-etiqueta trata sobre la determinación de las asociaciones instancia-etiqueta para instancias no vistas. Aunque se han desarrollado enfoques basados en márgenes, las clasificaciones de incertidumbre para aquellas con márgenes de separación más pequeños siguen sin resolverse. El conjunto difuso intuicionista es una herramienta efectiva para caracterizar el concepto de incertidumbre, sin embargo, no ha sido examinado para casos multi-etiqueta. Este artículo propuso un modelo novedoso llamado mejora de etiqueta tridimensional difusa intuicionista (IFTWLE) para la clasificación multi-etiqueta. El IFTWLE combina la mejora de etiquetas con un conjunto difuso intuicionista bajo el marco de decisiones tridimensionales. Para instancias no vistas, generamos la pseudo-etiqueta para la evaluación de incertidumbre de etiquetas a partir de un modelo basado en etiquetas lógicas. Un principio de selección de instancias basado en conjuntos difusos intuicionistas une de manera fluida el aprendizaje de etiquetas lógicas y el aprendizaje de etiquetas numéricas. El principio se desarrolla jerárquicamente. A nivel de etiqueta, las funciones de membresía y no membresía se definen en pares para medir la incertidumbre local y generar instancias inciertas candidatas. Después de la actualización al nivel de instancia, seleccionamos instancias de los candidatos para la mejora de etiquetas, mientras que permanecen sin cambios para el resto. Hasta donde sabemos, este es el primer intento de combinar el aprendizaje de etiquetas lógicas con el aprendizaje de etiquetas numéricas en un marco unificado para minimizar la incertidumbre de clasificación. Experimentos extensos demuestran que, con la importancia de etiqueta reconstruida selectivamente, IFTWLE logra ser estadísticamente superior a los algoritmos de clasificación multi-etiqueta de última generación en términos de precisión de clasificación. La complejidad computacional de este algoritmo es , donde , , y denotan la cantidad de instancias no vistas, la cantidad de etiquetas y el tamaño promedio de características específicas de la etiqueta, respectivamente.