在数据呈现爆炸式增长的背景下,如何从庞大的数据中提取知识显得至关重要。德国的Wille R.教授于1982年提出了形式概念分析理论,通过概念格这一可视化的层次结构表达二维表中对象与属性间的隶属关系,从而进行知识表示和数据挖掘。属性粒度的选择在概念格构造和知识发现的过程中具有重要作用。传统的概念格属性一般是固定的,结合粒计算理论,将属性作为粒计算的对象,对属性进行多粒度讨论,可以得到具有不同结构的概念格,不仅可以有效控制概念格中的概念数量,还可以让用户挖掘出不同层次的知识。因此,研究概念格中的属性粒度变换问题具有重要价值。目前,只有针对经典概念格的多粒度概念格构造算法研究,因此,本文针对其他不同类型的概念格进行多粒度概念格的构造方法研究,提出了相应的Zoom算法:属性粒度细化的Zoom-in算法和属性粒度粗化的Zoom-out算法。论文的主要工作如下:（1）首先,分析面向对象、面向属性概念格的概念及概念间偏序关系的特点,提出由同一形式背景生成的面向对象、面向属性概念格的转换算法;其次,根据同一属性不同粒度之间的蕴含关系,分析需要进行粒度变换的属性与概念内涵之间的关系,对概念进行分类,从而在后续算法中对不同类型的概念采用不同的计算方法;再次,提出多粒度面向对象概念格的构造算法ORZoom和多粒度面向属性概念格的构造算法ARZoom;然后,用实例形象化演示ORZoom算法和ARZoom算法的计算过程;最后,对算法进行实验分析;（2）区别于传统形式背景中的0、1取值,实值形式背景更具有现实意义,由实值形式背景得到经典广义单边概念格,通过讨论概念格中不同类型概念的性质、特点,给出了多粒度经典广义单边概念格的构造算法GOSZoom,同时用实例表示属性粒度变化对于概念和概念格的影响及算法的执行过程,最后用实验对GOSZoom算法与传统的广义单边概念格生成算法进行比较分析;（3）区别于（2）中的经典广义单边概念格,以乐观广义单边概念格作为研究对象,提出了多个属性的粒度同时转换的多粒度乐观广义单边概念格的构造算法PGOSZoom,最后对算法进行实例演示和实验分析。