随着计算机技术的飞速发展,数字信息与日剧增,信息存储和处理任务越来越艰巨和困难,因此,对信息表示和处理的研究具有非常重要的意义。在实际应用中,信息多是模糊的、不确定的,故模糊信息的表示及处理研究具有重要的实用意义。作为一种优良的数学工具,概念格已经广泛应用于知识表示、数据挖掘、信息检索等许多领域。在多数文献中,概念格的研究是基于标准形式背景的。但在实际中,信息多是模糊的、不确定的。目前关于模糊信息的研究方法多数是基于有限的L模糊集合的,即基于离散数值的模糊集合,无法表示连续数值的模糊信息。本文所作的工作是将模糊理论与形式概念分析结合,研究了基于连续数值模糊集合的模糊概念格模型及在知识发现中的应用。本文的主要工作和研究成果具体是:1.提出了一种模糊概念格模型,该模型基于连续数值模糊集合,具有更广泛的应用。在模糊概念格的节点级上,定义了两个模糊参数E和δ,分别是概念的外延中对象的平均隶属度和对象的隶属度值相对平均隶属度的偏离程度。2.提出并实现了一种用渐进式方法构造模糊概念格的算法,在该算法中采用了保留中间结果kd、hd的方法渐进式计算模糊参数E、δ,使之不需要回到初始背景中计算。3.提出了基于模糊概念格的模糊关联规则的提取方法与算法,其中利用模糊参数6,可以避免生成非健壮节点对,从而防止生成效果欠佳的规则,实验并分析了算法的有效性和时空复杂度。4.针对模糊概念格构造的巨大的时空复杂度问题,将分布式处理的思想引入模糊概念格,提出了分布式模糊概念格的模型,并且基于模糊概念子格的并运算,提出并实验分析了分布式构造模糊概念格的算法。此算法比未采用分布处理在时空复杂度上有很大改进。