形式概念分析、模糊集和直觉模糊集理论作为信息科学领域关注的热点，分别是由德国数学家Wille R.、美国计算机与控制专家Zadeh和保加利亚学者Atanassov提出的，是处理信息不确定性问题及知识获取的有效工具。本文研究的直觉模糊概念格的属性约简与基于形式概念分析的认知过程是数据分析与知识发现的主要研究目的。为了能有效利用各个理论在处理不确定性问题及知识发现上优势，本文将这些理论有机结合到了一起，分别研究了模糊概念格、直觉模糊概念格的属性约简方法以及基于形式概念分析的认知模型。其主要创新点如下：1.建立了基于形式概念分析的一种新的认知系统模型。在对象与属性之间引入两个新的算子，外延-内涵算子，内涵-外延算子。通过分析对象与部分属性、属性与部分对象之间的充分必要关系，讨论了人类认知过程中的信息粒概念。此外，给出了如何将任意的信息颗粒转化为充分信息粒、必要粒信息、充分必要信息颗粒的处理方法。最后，设计了信息粒的转化算法，并且通过实验验证了算法的有效性与实用性。2.将直觉模糊集理论引入形式概念分析中，建立了基于一对直觉模糊T蕴含算子的直觉模糊概念格数据分析模型，并分析了直觉模糊概念格的层次结构特征，在保持其层次结构不变的情况下，给出了基于辨识矩阵的直觉模糊概念格属性约简理论与方法。此外，设计了计算概念和约简的算法，实现了在直觉模糊形式背景下海量数据的程序化处理，并通过数值实验分析了该方法的有效性与实用性。3.定义了直觉模糊协调决策形式背景，在相应背景下建立了基于一对直觉模糊T蕴含算子的直觉模糊概念格数据分析模型，进而分析了直觉模糊概念格的层次结构特征，以及条件概念格与决策概念格之间的协调性关系。通过辨识矩阵获得保持概念层次结构不变或协调性不变的属性约简与知识发现的理论与方法。4.基于一对直觉模糊T蕴含算子，提出了直觉模糊广义协调决策形式背景下的概念格数据分析模型，分析了直觉模糊概念格的层次结构特征，以及条件概念格与决策概念格之间的蕴含关系。通过辨识矩阵获得保持概念层次结构不变和广义协调性不变的属性约简与知识发现的理论与方法。此外，设计了计算约简、条件属性概念和决策属性概念及其它们之间的蕴含关系的算法。此外，通过案例分析进一步诠释了相应的理论知识及其应用。