动态概念学习是当前概念认知学习领域中的热点问题之一。根据动态方向可分为增量式概念学习和减量式概念学习。其中，减量式概念学习主要关注动态数据中概念结构的衰减特性研究。该文在动态概念学习的基础上，从属性拓扑和概念树的角度出发，分别研究减量式形式背景下的图状衰减和树状衰减。
　　首先，该文提出三维属性拓扑的衰减特性分析方法。属性拓扑主要描述属性间的关系，对属性本身强度的描述存在局限性。因此，为了描述衰减过程中的强度特性，该文对原有二维属性拓扑的定义进行了扩展，提出三维属性拓扑的定义。依据属性强度对属性进行层级划分，构造三维属性拓扑的层级表示方法。结合三维属性拓扑的强度特性，分析属性随时间的层级衰减变化，提出三维属性拓扑的衰减性质并加以证明。
　　其次，该文提出概念树的衰减特性分析方法。结合概念树和概念认知学习中的减量式问题，对概念树的衰减特性进行分析。先探讨概念树中各结点间的耦合性，再对概念树中不同类型的结点提出相应的结点删除算法，最后依据结点耦合性和结点删除算法对概念树进行衰减并完成概念树的更新，从而完成对概念树的衰减特性分析。
　　最后，该文以人脑遗忘特性为研究对象，验证本文提出的三维属性拓扑和概念树的衰减分析方法。实验分别以三维属性拓扑和概念树为模型模拟了人脑遗忘过程和结果，并与概念格方法分析的结果进行了对比。实验结果表明，以三维属性拓扑和概念树为基础模拟人脑遗忘过程的方案具有可行性和合理性，并且通过实验证明了动态概念学习的衰减特性研究具有一定的认知意义。
　　该文提出三维属性拓扑和概念树的衰减特性分析方法，丰富了属性拓扑及概念树理论，深化了属性拓扑和概念树在动态概念学习上的研究，并为其在认知学习与人工智能的发展应用中奠定基础。