为了处理不确定性信息,Zakowski将Pawlak粗糙集推广到覆盖粗糙集,其已经被广泛应用到知识获取和特征选择等众多领域.在实际生活中,存在着大量的动态覆盖信息系统,而非增量方法在动态覆盖信息系统中计算集合近似和属性约简非常耗时.为了提高知识获取的效率,本文研究了动态覆盖信息系统集合近似计算和属性约简的增量方法,主要内容如下:首先,介绍了粗糙集理论的研究背景和意义,以及国内外研究现状,并简单回顾了Pawlak粗糙集和覆盖粗糙集的基本概念,阐明了本文的研究动机.其次,基于特征矩阵研究了对象变化的动态覆盖近似空间中集合上、下近似的矩阵表示,提出了计算集合上、下近似的增量方法,并通过例子说明了在动态覆盖近似空间中如何计算集合第二型和第六型上、下近似.最后,基于相关族理论研究了增加和减少多个属性的动态覆盖决策信息系统属性约简机制,提出了计算动态覆盖决策信息系统属性约简的增量算法和启发式算法,并通过数据实验证明了所设计启发式算法的高效性.总之,本文为大规模动态覆盖信息系统知识获取提供了有效的方法,进一步丰富了覆盖粗糙集理论.