對概念格的屬性約簡方法進行研究。證明概念格中任意屬性虧值都為可辨識屬性集，下確界不可約概念的屬性虧值集合與全部屬性虧值集合的辨識函數具有相同的最小析取范式，概念元素為下確界不可約概念當且僅當其必為屬性概念，并且每個屬性概念的屬性虧值中任取一個元素構成的集合必定是一個屬性約簡。在上述研究的基礎上，提出一種針對大背景概念格快速獲得全部屬性約簡的方法，并給出相應算法，證明其時間復雜度與空間復雜度都是多項式形式。分析結果表明，該方法無苛刻條件，化簡幅度較大，運行時間快，具有較好的約簡效果.

　　概念格是隸屬數學概念和概念層次結構的應用數學領域［１］，理論上結構嚴格，能形象地描述事物之間的特化與泛化，在空間聚類方法、病癥智能診斷、Ｆｏｌｋｓｏｎｏｍｙ、信息修復與文件瀏覽、軟件演化分析、訪問權限管理、命題集約簡等諸多領域都有成功的應用。雖然概念格應用廣泛，但是一個形式背景中概念的個數是隨著背景的尺寸指數級增長的［２］，這樣一旦形式背景稍大，概念個數的計算就相當困難，影響實際應用。因此，要求形式背景是既約的就顯得非常重要。對概念格進行約簡的主要方向有：確保概念格同構的約簡［３］，確保對象等價類不變的約簡［４］，確保對象概念外延不變的約簡［５］，確保決策規則完備的約簡［６］。這些約簡方法化簡幅度都很小，即使是大背景基于同構的約簡可能也只減少幾個屬性；而且，這些約簡是由格的結構決定的，而不是按照用戶的需求決定的，并且只有一個層次。另外，可能的約簡有很多個，要全部找出可能的約簡，計算次數是形式背景尺寸的指數級。這些約簡方法構思獨特，但卻不適合作為大背景約簡工具。近年來對背景的約簡也提出了很多新思想和新方法。例如決策背景下的屬性約簡方法［７］、基于支撐函數的屬性約簡方法［８］、利用辨識矩陣計算全部外延覆蓋約簡的方法［９］、利用最大模的計算方法［１０］、基于覆蓋度函數的方法［１１］、利用交可約等價類的運算方法［１２］、運用交式可約元概念進行屬性約簡的方法［１３］等。文獻［３］給出了利用辨識函數求得屬性約簡的一種重要方法：對于給定的背景Ｋ，求出其可辨識屬性集，進一步求出可辨識屬性矩陣，并得到一個辨識函數，最后將辨識函數利用吸收律與分配律變為最小析取范式，則其中的每個合取項就為背景Ｋ的一個屬性約簡。文獻［３］算法為指數級的，背景的概念數目隨著背景尺寸指數級增長，背景Ｋ尺寸稍大，求出其所有屬性約簡就相對困難，而且文獻［３］的方法較抽象，在概念格Ｈａｓｓｅ圖中無直觀的圖像。