在大数据时代背景下,概念格是一种能够有效地分析数据、处理数据的工具。现实生活中,人们获取的信息通常是模糊的、不确定的,常用贴近人类思维的语言值来表达这些信息,以减少这些信息在转化过程中造成的损失。在形式概念分析的实际应用中,形式背景可能不是固定的。为了处理不确定性环境中信息的动态变化问题,本文研究了基于模糊语言形式背景的增量计算及模糊对象语言形式背景添加属性时概念及规则的动态更新,个性化的适应动态环境下的实际需要,主要研究内容如下:1、基于模糊语言形式背景,研究添加新对象时的模糊语言概念的更新变化,构造了模糊语言增量概念格算法,通过基于条件属性与决策属性的模糊语言概念格间存在的细于关系,提出序关系模糊语言决策形式背景下的动态规则提取方法,减少信息在转化过程中的损失以及减少了概念的计算量。最后,通过中医诊断的实例说明了该方法的有效性。2、针对模糊对象语言形式背景下添加语言值属性的模糊对象语言概念格更新问题,研究增添单个语言值属性后的模糊对象语言概念格的动态更新方法,进一步地,研究增添多个语言值属性后的模糊对象语言形式背景下的模糊对象语言概念格的动态更新方法。该方法可以在增加新的语言值属性时,不必重新根据模糊对象语言形式背景计算所有概念,减少了不必要的计算时间与存储空间的耗费。3、基于模糊对象语言形式背景,通过概念间的蕴涵关系,定义了模糊对象语言弱协调决策形式背景,在信任度水平阈值下,根据模糊对象语言条件概念格与模糊语言决策概念格间存在的细于关系,构造基于模糊对象语言决策形式背景的语言值规则提取算法。并研究了添加语言值属性集时语言值规则的动态更新方法。通过医学诊断的实例说明了该方法的合理性。