随着大数据时代的来临,数据信息量规模大且增长速度快,数据本身表现出多种特征。从海量的数据中提取有价值的知识和信息越来越困难,同时对多源信息系统的处理和数据分布式存储及其并行处理的需求也日益增加。概念格作为数据分析的一种得力工具,可以用于挖掘数据中的隐含知识信息,近年来取得了很多的研究成果。但概念格的构造复杂度是其应用的一个主要制约因素。最新的一些研究也大都围绕概念的约简、缩小概念格的构造和规则提取的复杂度做研究。本文主要研究粒度概念格模型及其构造方法,以及粒度概念格的集成及知识获取方法,主要研究工作如下。在粒度子概念格方面,运用一种近似关系对形式背景形成覆盖,选取粒度子形式背景构造概念格,并对所获取的粒度概念格进行研究。给出了粒度子概念格所具有的性质,证明了粒度子概念格与原概念格之间的关系,证明了通过粒度概念格的合并可以得到原概念格,并给出了两个粒度概念格合并的算法,通过实验说明了该方法的有效性。同时对两个粒度概念格规则集相互间的关系进行了研究。在规则提取及合并方面,本文提出一种伪规则的概念,说明了通过提取到的伪规则可以灵活地根据用户所需来产生规则。同时给出两个伪规则集直接进行合并的方法,得到的新伪规则集对应于两个子格合并后所得概念格上的伪规则集,通过伪规则可以生成全部的蕴含规则。最后通过对比实验验证了该方法的有效性和可行性。总之,本文对概念格与粒度的结合应用以及基于横向拆分形式背景下的规则快速获取进行了一些研究。将粒度化的思想应用在形式背景拆分上,获取到具有一定特性的子格-粒度概念格,并将分布式处理的思想应用在对粒度概念格的处理和规则获取上。缩小了概念格自身的限制,提高了规则获取的速率,增加了概念格的实际应用性。但是,概念格与粒计算相结合应用在知识获取中还有许多值得研究的问题。