本体作为人工智能研究领域的热点之一,目前已经得到较大的发展。它的提出减少了领域间概念的混乱,实现不同领域的概念共享、互操作和概念通信;解决了概念的重用和共享的问题。概念学习作为本体学习的组成部分,在知识工程、数字图书馆、信息检索诸多领域得到广泛应用。粒计算是信息处理的一种新的概念和计算范式,覆盖了所有有关粒的原理、方法、技术和工具研究。它可以将复杂的问题以粒为单位划分为一系列更易于解决的子任务,从而降低重复计算的代价;粒计算方法已经在数据挖掘和机器学习等领域都得到了广泛应用。本文分析研究粒计算及概念获取的基本理论,并将粒计算方法应用于多级概念学习中,提出了基于粒计算方法的多级概念学习算法(CGS)。该算法的思想是:借助信息粒来描述抽象概念,通过粒运算生成具有不同粒度的多层次粒度结构,从而实现具有不同抽象层次的多级概念。本文从静态和动态的两个方面研究了多级概念学习。首先,研究了领域概念的信息粒表示,给出了概念粒的定义、研究了概念粒的基本运算方法,给出多级概念粒空间模型并设计了构建算法(CGS);第二,将所提出的算法应用于ZOO数据集中,对ZOO领域构建多级概念粒度空间,从而获取该领域不同层次的概念;第三,通过与kmeans算法的比较实验,验证了CGS算法的有效性和可行性;第四、研究在数据变化的情况下的概念学习,并基于CGS算法提出多级概念增量学习模型和设计了相应算法。根据增量算法,采用JAVA语言设计概念动态生成的演示系统。最后,对增量算法与多级概念学习算法进行比较与分析。论文的最后对所研究的课题进行了讨论和总结,给出了目前存在的问题及未来的工作。