数据挖掘是人工智能领域的一个热点研究问题,是探讨如何智能地从大量数据中提取出有用的信息和知识。粗糙集与概念格作为数据挖掘分析中两种有效途径,在关联规则提取应用中得到了广泛关注。粗糙集理论是在给定的数据基础上建立等价内部类与分类数据表,提供给数据挖掘分析方法新的思路,是处理不确定性问题的一种有效数学工具。概念格结合序理论,在概念格的构造过程中是一个聚类与分类的过程,方便用于基于数据表进行概念分层讨论。近年来,随着地理信息系统的发展,空间数据挖掘孕育而生。作为数据挖掘的一个热点问题,是研究如何从空间数据库中挖掘隐含知识的显示存储、空间联系或其他有用模式。空间数据挖掘使用GIS存储、管理和分析空间数据的功能,采用空间数据库技术将空间数据库转换为类似关系型数据库进行规则提取,为提高智能地理信息系统的水平提供一个有力的工具。本文针对形式背景,利用概念外延与内涵之间的特殊关系,结合粗糙集上下近似概念,提出了一种新的粗糙概念格构造算法,属性约简后运用粗糙度进行挖掘获取可靠性知识。在构造过程中,对节点属性进行判断,有效的降低了算法的时间复杂度。实际的案例分析表明,通过属性约简与粗糙度的结合,该算法可以有效地挖掘获取可靠性知识,为数据分析挖掘知识提供了一种可行的思路与方法。在空间数据挖掘中,概念格作为数据挖掘提取关联规则的一个有效方式,本文将概念格应用于空间数据库进行关联规则的提取。为了提高关联规则的提取速度,通过比较外延的方式建格,在构造过程中引入支持度约束,省略不符合条件节点,减少判断规则提取的次数,取得了切实可行的应用结果。