近年来，概念格理论作为一种有效的数据处理方法，得到了很大的发展。它在各种形式背景的知识表示和知识发现中发挥着独特优势。　　目前，有关概念格理论的各种研究主要针对经典形式背景（二值背景）。而在实际应用中，背景往往是多值的，或者模糊的，也有区间值和集值的，这些背景都属于格值形式背景。如何在具有普遍意义的格值形式背景下研究概念格结构及其构建问题，是一项具有开创性和挑战性的研究工作。　　本文给出了一种基于格值形式背景的对偶算子，证明了利用该算子可以建立基于格值形式背景的概念格，且具有实际语义；证明了格值形式背景概念格可以涵盖二值背景，多值背景，区间值背景的概念格；提出了三种基于格值形式背景的建格算法，可以解决一般格值形式背景的建格问题，证明了建格算法方法的正确性，分别给出了代码及流程图，并给出了算法复杂度分析。其中枚举属性法和枚举对象法只生成了所有概念，没有生成概念间的偏序关系，但对于概念格的修剪各有其用处；找邻法不仅生成了所有概念，而且生成了概念间的偏序关系。　　最后，用例子说明了格值形式背景建格算法的用法和可行性。进一步用UCI中的数据对几种算法在执行时间和内存占用量上进行了实验比较，并给出了算法性能随对象和属性个数改变的变化趋势。实验表明枚举属性法和枚举对象法相对于转化为二值法速度提高了大概一倍；找邻法比转化为二值法稍微慢一些，但生成了概念间的偏序关系。