定義
概念認知學習是指通過具體的認知學習方法獲取特定概念（ X, B），即 f( X)= B 且 g( B)= X，這裡的認知學習方法包括概念認知系統 ，多粒度認知 ，貝葉斯程式學習 ，雲模型 ，近似逼近 ，等。
性質
概念認知學習 主要包括概念認知機理分析，概念認知計算系統的建立與最佳化，以及模擬概念認知過程等部分。
概念認知學習的各組成部分的性質如下 ：
（a）概念認知機理分析是指分析作用於映射 ( f, g) 上的限制條件以及映射所處的認知環境；
（b）概念認知計算系統的建立與最佳化，這裡的 “建立” 是指模擬概念認知過程之前所具備的各種信息或知識組成的系統，有可能是數據本身，也可能是數據加工之後獲得的階段性知識；這裡的 “最佳化” 是指所積累的信息或知識如何精簡，以便更好地服務於後續的模擬概念認知過程；
（c）模擬概念認知過程是指基於概念認知計算系統通過特定方法從已知線索中學習未知概念的過程，這裡的線索可以是對象集 X，屬性集 B，或對象屬性集 ( X, B)。
概念認知學習的進一步性質如下 ：
（d）概念認知機理分析，側重概念認知遵循什麼樣的模式。比如，研究什麼樣的概念（公理化約束）；是完全認知，還是不完全認知；是直接認知，還是漸進式認知；是有限認知，還是無限認知；
（e）概念認知計算系統的建立與最佳化，側重概念認知的信息或知識收集儲備，建立系統並進行最佳化的主要目的是使得已有信息或知識更好地服務於模擬概念認知過程。比如，增強學習效率，增加學習精度，提高穩定性；
（f）模擬概念認知過程，側重類腦智慧型的建模，模擬大腦進行概念學習的認知過程。
研究進展
概念認知學習已開展的研究工作包括：
（1）概念認知模型及其推廣 ；
（2）粒計算與概念認知學習 ；
（3）動態數據的概念認知學習 ；
（4）多源數據的概念認知學習 ；
（5）基於多粒度的概念認知學習 ；
（6）認知信息學與概念學習 ；
（7）三支決策與概念認知學習 ;
（8）記憶規律與概念認知學習 。
概念認知學習有待進一步研究的內容包括：
（9）異構數據的概念認知學習 ；
（10）非結構化數據的概念認知學習 ；
（11）基於多層次的概念認知學習 ；
（12）基於多水平的概念認知學習 ；
（13）帶遺忘規律的概念認知學習 ；
（14）基於“眾包”技術的概念認知學習 。
概念認知學習的潛在套用包括：
（15）概念認知學習的圖像識別技術；
（16）概念認知學習的自然語言處理技術。
