形式概念分析（FCA）是一种概念化知识处理的强有力的工具，目前广泛应用于信息检索、数据挖掘、软件工程、知识发现等领域。随着信息化以及数据库规模的迅速增大，数据库中不仅包含有用信息，同时含有大量冗余，如何从中提取有效信息具有实用价值。对于大型数据库，产生的概念格的规模大，难以分析，从而失去其实用价值。iceberg概念格是一种概念聚类的方法，适合于分析大型数据库，清晰反映数据库中的关键信息。但是iceberg概念格的半序格结构使得构造完备概念格算法不能适应于iceberg概念格的构造，所以研究iceberg概念格构造算法具有非常重要意义。另外在基于格结构的概念相似度量只是针对传统的形式本体整合、映射。然而许多应用领域中，大多数信息是复杂的、不确定的，传统的形式概念分析不能表达这些模糊的、不确定的信息问题。因此，在模糊形式背景下研究概念相似度是十分必要。Iceberg概念格的构造是其应用的前提。本文主要的研究要点有三个：一、提出了Iceberg概念格合并构造算法，通过形式背景拆分，构造子iceberg格，然后进行子iceberg格合并，得到完整iceberg概念格。二、提出了模糊形式背景下的iceberg概念格构造算法。三、改进了模糊概念相似度量方法，引入传统概念度量模型，综合考虑了结构及语义信息，通过权值调整来适应不同需求。