随着信息时代的发展,各种商业和科学数据库的数据量急剧增长,远远超过了人类目前已有的分析和理解能力。数据挖掘正是在这样的背景下产生的新的研究领域,主要目的是从数据集合中发现隐含的、事先未知的、对决策有潜在价值的用户感兴趣的知识。形式概念分析是由德国的Wille教授于20世纪80年代初提出的,其核心数据结构概念格,也称Galois格,准确而简洁地描述了概念之间的层次关系,已成为一种重要的知识表示方法。作为一种优良的数学工具,概念格己经广泛应用于知识表示、数据挖掘、信息检索等众多领域。本文主要的研究内容如下:1.在医学影像诊断过程中,随着智能数据分析方法在医学领域中的应用地位不断提升,高效数据分析方法的介入是人们所期待的。本文将概念格理论应用到X线诊断的专家经验知识库中,通过X线征象间相似度的计算,达到对持有X光片的病人进行病症的智能分析目的。2.基于概念格理论,本文研究了对时间序列的波动情况进行周期关联规则的挖掘。首先对时间序列进行了反季节化预处理,然后提出了生成周期关联规则的新并行算法,在算法内部对生成的概念进行了剪枝处理,有效的提高了挖掘速度。并用所给出的高精度模型对不满足移动平均法反季节化预处理条件的时间序列进行了反季节化计算。实验证明了该方法的有效性。文章的最后对概念格的应用前景和发展方向进行了展望。