概念格是一种完备的数学模型,描述了概念内涵与外延之间以及泛化与例化之间的关系,因而适用于数据和知识的表示以及包括分类、关联、序列和聚类等多种知识发现问题的描述。随着数据规模的迅速增长,概念格的分布式构造成为重要的研究内容。本文对概念格的分布式构造方法进行了重点研究,主要的工作如下:1)研究了一种概念格分布式构造方法——子全概念格STCL(Sub-Top ConceptLattice)。STCL首先在服务器端构造出顶盖,同时生成子全概念集合,并利用子全概念划分形式背景得到子全形式背景,然后客户端根据单机构造算法构建子全格,最后服务器端将顶盖与所有子全格合并成一个完整的格。2)研究了子全概念格的扩展——内涵约简子全概念格IRSTCL(IntensionReduction STCL)。为了进一步提高时空性能,研究在对象集和特征集上对形式背景进行联合分割的方法,在STCL的基础上进行扩展,提出内涵约简子全概念格IRSTCL,并通过理论分析说明IRSTCL在时空性能上的优势。3)设计了基于概念格的知识发现原型系统KDDCL(Knowledge Discoveryof Database based on Concept Lattice),集成了概念格模型和多种扩展模型,可以完成多项数据挖掘任务,也可以作为平台进行扩展,并实现了系统的核心功能,包括数据预处理模块、概念格构造模块和概念格的图形化显示模块。