概念格是一种有效的数据挖掘与知识发现工具,分类是数据挖掘中的重要研究内容之一。本文针对分类任务,从提高概念格的构造效率以及分类规则的分类效率角度出发,研究了面向分类的概念格批处理构造算法以及基于概念格和信息熵的分类规则提取算法,其主要研究成果如下:第一、面向分类的概念格批处理构造算法。该算法针对分类任务,在格的批处理构造过程中,仅生成含有分类属性的概念格结点,从而减少了建格过程中概念内涵的比较次数,有效地提高了概念格的构造效率。采用UCI数据作为形式背景,实验验证了该算法的正确性和有效性。第二、基于概念格和信息熵的分类规则提取算法。该算法首先通过引入外延支持度系数,来刻画概念格结点内涵的重要程度;其次扫描概念格结点,并依据外延支持度系数,提取出分类规则;然后计算分类规则的条件信息熵,并按照条件熵值对分类规则进行排序;最后采用UCI数据作为形式背景,实验验证了该算法所提取出的分类规则,在保证分类正确率的同时,有效地提高了分类规则的分类效率。