概念格是一种用于数据分析和知识提取的有效形式化工具,具有完备性和精确性等特征。约束概念格是利用用户对数据集中属性的兴趣程度等作为背景知识,来指导概念格的构造,从而使构造出的概念格结构更具有针对性和实用性。本文以国家重大科学工程LAMOST项目为背景,对约束概念格的渐进式构造、基于约束概念格的分类规则提取进行了研究,其主要研究成果如下:第一、基于剪枝的约束概念格渐进式构造。该算法利用父子结点内涵的严格单调关系,采用剪枝技术消除了渐进式构造过程中存在的冗余信息,即减少了新增对象属性集与原概念格结点内涵的比较次数,从而提高约束概念格的构造效率。以恒星光谱数据作为形式背景,实验验证了算法的正确性和有效性。第二、基于约束概念格的分类规则提取算法。首先,将数据集中的属性分为条件属性和分类属性,利用分类属性的不同取值将数据集分为m个等价划分Gi(1≤i≤m),并采用条件属性构造约束概念格;其次,自上向下扫描约束概念格格结点,利用外延支持度阈值和划分支持度,提取出分类规则;最后,采用UCI标准数据集和恒星光谱数据作为形式背景,实验验证了该算法具有较高的分类正确率。第三、在上述研究的基础上,采用VC++ 6.0和Oracle 9i作为开发工具,设计并实现了基于约束概念格的恒星光谱分类规则挖掘原型系统。系统运行结果表明,采用该系统挖掘出的分类规则,实现海量恒星光谱数据自动分类是可行的和有价值的。