目前,随着信息技术的不断发展,数据规模也逐渐膨胀,从大量复杂的数据中提取人们感兴趣的信息,已成为一个研究热点。多粒度标记思想被引入粗糙集理论和概念格理论中,以实现信息系统和形式背景的多水平知识发现。而现有对于概念格中多粒度标记研究,都不是直接从二值形式背景出发探讨多粒度标记形式背景,这给习惯从经典形式背景入手研究概念格相关问题的学者带来一定的理解障碍。同时,粗糙集和概念格在知识发现、粒描述、不确定性分析等领域具有诸多互补性,将多粒度标记粗糙集规则提取方法引入多粒度标记概念格理论中,可以拓展概念格多层次知识发现的能力,有助于多粒度标记数据集的决策分析。鉴于此,本文以经典形式背景为基础,给出多粒度标记形式背景的定义,探索了多粒度标记粗糙集与多粒度标记概念格规则提取方法的区别和联系。本文主要研究成果和创新点如下:(1)引入正向尺度化和反向尺度化的方法,给出信息系统与形式背景之间相互转化的方法,并以经典形式背景为基础定义多粒度标记形式背景,讨论多粒度标记信息系统与多粒度标记形式背景的联系,以及多粒度标记决策形式背景在不同粒度标记层的决策蕴含规则的关系。(2)提出多粒度标记决策信息系统转化为多粒度标记决策形式背景的具体步骤和方法,给出一些相关性质,对多粒度标记粗糙集和多粒度标记概念格之间的规则提取方法进行了比较分析。