增量概念认知学习主要涉及对动态大数据知识的处理。此外,形式概念分析作为认知计算研究的潜在方向,可以详细地描述概念认知学习的具体过程。作为形式概念分析领域中形式背景的一种新型表示方法,属性拓扑可以清楚地显示新数据与原有数据之间的关系,从而降低概念认知学习过程的复杂性,并且在动态形式背景分析方面已经有了初步的研究进展。基于以上两点,该文提出了一种基于属性拓扑的增量式概念树生成方法,用于增量式概念认知的动态计算过程。首先,该文结合属性拓扑和增量概念认知学习理论,提出了增量形式背景的坍缩及结构化表示方法。增量形式背景的坍缩是通过引入不同类别新增对象对原有拓扑结构影响产生差异化影响,以减少新增对象认知过程中复杂性的表示方法。增量形式背景的结构化表示方法着重分析的是在坍缩形式背景中原有各对象之间的关系,从而为后续的增量式概念树生成方法提供了基础。其次,该文采用基于形式概念分析的属性拓扑表示方法从认知角度出发详细地分析不同类型的新增对象的认知过程。由于概念树是概念认知的一种表现形式,因此本文将概念认知过程和结果通过概念树的形式表示。对于新增的非全局对象,先判断其在概念树中加入的位置,再根据增量形式背景结构化的表示中的各对象之间的关系确定新增对象后能够生长的子树,最后根据概念的更新原理完成概念树的更新。最后,以短视频提取出的关键帧图像为实验数据,验证了本文提出的增量式概念树的生成方法,并得到了基于故事情节发展的概念认知的模拟结果。通过对实验过程和结果的分析,可以发现当增量顺序不同时,最终所得到的概念树结果也会有所不同。这与人的认知过程类似。该文提出的基于属性拓扑的增量式概念树生成方法丰富了属性拓扑在动态增量式概念认知计算方面的研究。