粗糙集理论是波兰数学家Z.Pawlak于1982年提出的一种用于数据分析的数学理论，概念格理论则是德国数学家Will R.于同一年提出的用于概念的发现、排序等的数据分析方法。它们为数据分析提供了相互关联而又相互补充的方法，作为一种有效且具有极大潜力的知识发现工具，备受人工智能学者的关注，并逐渐成为国际学术界的研究热点之一。目前，粗糙集与概念格理论也被广泛应用于机器学习、模式识别、数据挖掘等领域。本文将粗糙集理论和概念格理论结合起来，将概念格引入到区间值信息系统中，应用概念格的性质和结构解决区间值信息系统的属性约简及属性特征刻画。首先，利用优势关系将区间值信息系统转化成经典的0-1形式背景，在该形式背景上基于一对算子对给出了区间值信息系统上的概念格，研究了它的性质，给出了协调集的判定定理，并利用可辨识属性矩阵给出了区间值信息系统上概念格的属性约简算法和属性特征。进而，利用概念格生成算法和概念格属性约简算法，给出了区间值信息系统上概念格的生成算法和属性约简算法。最后通过实例验证了该算法的有效性。