知识是人类认识客观世界的结果，同时也是指导人们行为的准则，在知识经济的时代里知识是社会发展的重要动力，是决定生产力发展的主要因素，特别是随着时代的发展，环境的变化，认识的深入，人们必须不断的获取与发现新的知识，人们有各种获得知识与发展知识的手段，而其中最重要的一种手段是从数据库中进行数据挖掘。随着Internet技术的日益普及，“丰富的数据与贫乏的知识”问题变得日渐突出，而数据挖掘如何从大量的数据中智能地、自动地抽取出有价值的知识和信息，因而成为当前人工智能中非常活跃的研究领域。概念格是近年来获得飞速发展的数据分析的有力工具，用来发现数据中隐藏的知识模式。因此，研究概念格的基本理论以及将其应用于知识发现有着非常重要的意义。本文主要研究概念格的基本理论和基于概念格的知识发现。在概念格与粗糙集的关系方面，由于概念格与粗糙集在数据分析方面有相似之处，并且粗糙集的一些概念包括等价类，上、下近似等都可以通过概念格来表示。本文论述了概念格与粗糙集之间的联系，建立了它们之间的的关系。在概念格的代数性质方面，本文给出了形式背景下概念集合上的元素之间的二元运算，使通常意义下的概念格成为带有算子的概念格，证明了概念格为代数意义下的格，并研究了其代数性质，为概念格的进一步研究提供了理论基础和新的研究方法。在基于概念格的规则提取方面，数据挖掘尤其是规则挖掘可以看作是一个形成概念的过程和发现概念之间关系的过程。概念格反映了对象与属性之间的精确关系，而模糊概念格反映了概念与属性之间的不确定联系，在现实生活中，人类认识的大量概念都是模糊的，因此研究模糊概念格对于实际决策有着重要的意义。对概念格本身及其应用进行了一些研究，但是，知识发现正处于发展阶段，概念格理论在知识发现中的应用还有许多问题值得研究。本文的研究工作是一个尝试，相关工作还有待进一步深入。