归纳学习是机器学习最核心的一个分支,其主要目的是从大量的数据中归纳抽象出一般的规则和模式。由于冗余属性会影响规则提取的时空性能和发现知识的质量,因此,在保持相同分类能力不变的前提下,约简成为归纳学习的核心技术之一。粗糙集理论具有抗干扰性的优点,所以现有的主要的约简算法也均是基于粗糙集理论的,但时空性能、完备性都不尽人意。由于概念格的外延与粗糙集的等价类具有等价对应关系,本文从概念格的角度,研究基于概念格理论的粗集属性约简,主要工作如下:(1)在研究粗糙集与概念格理论的基础上,本文提出了粗糙集等价类与概念格外延之间的等价定理、冗余属性判定定理、基于格的蕴涵关系判定定理、潜约简及其判定定理、决策表的一致性判定定理,并对以上定理均从理论上予以证明。(2)基于以上有关粗糙集与概念格之间的关系定理以及与约简有关的判定定理,本文提出了一种基于概念格理论的粗集属性约简算法ARCL;对ARCL算法性能进行了详细的分析和比较,实验表明ARCL算法比传统的算法具有很大的优越性。(3)在上述研究的基础上,实现了基于概念格理论的粗集属性约简的原型系统。该原型系统实现了数据导入、概念格构造、基于ARCL算法的约简三个部分。