形式概念分析自1982年由德国的Wille教授提出以后,近年来被广泛用于软件工程、知识发现、信息检索等领域。概念格是形式概念分析中的核心数据结构,通过Hasse图来表现出概念之间的层次关系。基于概念格直接产生关联规则的时空复杂度非常高,从概念格中提取关联规则的一般过程是分两步进行,先构造概念格,然后扫描概念格来挖掘关联规则,计算过程的瓶颈在于概念格的规模随形式背景扩大呈指数级增长,提取规则的效率比较低下。本文主要围绕量化规则格和关联规则的优化提取做了相关研究,提出两种规则挖掘算法,简化规则挖掘步骤,并且实现了最小无冗余关联规则的分布获取。主要研究工作包括:(1)提出了量化规则格,一种基于概念格的扩展模型。在渐增构格过程中能产生每个概念所对应的最小项集集合(SLIT),从SLIT中可以直接推导出精确规则和近似规则,无须重新扫描整个格结构,计算速度和复杂性优于基于普通概念格的规则挖掘算法。(2)提出了一种基于量化规则格的规则渐增更新算法。对给定概念的SLIT,可以直接推导出精确规则,结合其对应的子概念SLIT,可以推导出近似规则,从而使整个规则挖掘过程整合在对概念的渐增更新中。(3)提出了一种基于量化规则格的关联规则分布获取算法。分布计算是提高性能的有效方法,通过对规则挖掘过程的步骤分解,给出了关联规则分布式提取方案,使最终的全局关联规则由部分关联规则合并计算产生。(4)扩展了P2P-MPI平台。采用JAVAMPI语言在深腾1800机群系统上实现了本文算法,同时给出了相关分析。