随着数据库技术的发展与普及,各个领域的数据库中积累了大量数据。如何从数据中获取为决策服务的有价值知识是人们所关注的。因此,近年来在人工智能领域中数据挖掘成为了一个研究热点。形式概念分析以概念格作为核心数据结构,成为了数据分析和处理的强大工具,但是它处理的形式背景通常为单值,而现实中需要处理的形式背景经常以多值形式出现,从而研究多值背景上的形式概念分析是目前重要的研究课题之一。本文主要对不同类型的多值背景进行了深入研究,并把形式概念分析应用到了多值背景的函数依赖提取和基于案例推理分类系统中,提升了形式概念分析在实际应用中的价值。获得的主要成果如下：(1)提出了两种对不同类型多值背景进行属性约简的方法,给出了由多值背景到单值背景的转换方法。并证明了通过该方法转化后单值背景上的属性蕴含与原多值背景上的函数依赖是等价的。这样可以通过提取单值背景上的属性蕴含来获得多值背景上的函数依赖关系,并且通过实例验证了我们方法的有效性。(2)为了在基于案例推理中使用规则的技术,我们把形式概念分析方法应用到基于案例推理分类系统中,以概念格的形式来组织案例和提取案例库中的规则。依据概念格中概念之间的关系提取的规则可以实现自动分类功能方便案例的检索重用,同时系统中案例库、概念格和规则库都可以进行动态更新,使得知识库具有自动学习能力。最后,通过UCI的基本数据集进行了实验,实验表明我们提出的基于形式概念分析分类系统的分类精度要好于粗糙集加权方法所得到的分类精度。