概念格作为形式概念分析理论中的一种核心数据结构,是近年来获得飞速发展的数据分析的有力工具,用来发现数据中隐藏的知识模式。在知识发现的过程中建造与应用概念层次结构进行知识获取具有很多的优势,而概念格的Hasse图正好体现了一种概念层次结构,反映了概念之间的泛化和例化关系。因此,研究概念格的基本理论以及将其应用于知识发现有着非常重要的意义。 本文分析和比较了几种概念格建格算法,并研究了基于概念格的决策规则提取,取得了一些有意义的结果。 在概念格建格算法的分析与比较方面,本文对现有的几种概念格的典型建格算法进行了研究和分析。其中,渐进式算法的稳定性较好,当形式背景中的实例个数多时效率较高;而批处理算法稳定性差,在形式背景中的实例个数少时效率较高。 在基于概念格的决策规则提取方面,本文利用概念格的所有节点的完备性的特点,提出了一种基于概念格的新的决策规则挖掘算法,使用该算法可以根据不同的支持度和可信度阈值得到满足阈值的决策规则集。在以上提出的决策规则挖掘算法的基础上,给出了优化算法。该算法利用闭标记来处理包含决策属性的节点,从而得到短前件的决策规则集,而决策规则的支持度保持不变。以上的算法我们通过使用UCI的nursery数据库进行实验,验证了算法的有效性。 本文对几种已有的概念格建格算法进行分析和比较,这一结果对于发展新的高效建格算法具有重要指导意义。另外,基于概念格的决策规则提取算法通过给定不同的阈值来得到合理的决策规则集,并且,当决策表有对象增加或删除时,可以根据概念格的维护算法方便地维护,无需重新生成格,因而算法有很大的灵活性。