粗糙集理论是一种新的处理不一致数据的数学工具。它在机器学习、决策分析和数据挖掘等方面已经有了成功的应用。但是,它要求所处理的信息系统中的数据是精确的和不缺损的。而现实生活中数据库中的数据是在不断动态变化和日益庞大复杂的,这使得经典的粗糙集理论方法已经不能满足实际的需要。集值粗糙集理论作为经典粗糙集理论模型下的一种推广,解决了经典粗糙集模型下数据的丢失和数据不完备的问题。因此,在集值粗糙集模型下研究如何获得信息系统动态变化后人们所需的知识并进一步指导决策具有重要的意义。本文主要研究在集值粗糙集模型下当对象和属性动态变化时近似集的增量更新方法。首先讨论了属性集不变时对象动态增加和减少时近似集的动态更新方法。当对象增加时,分别在集值信息系统和集值决策信息系统下进行了研究,通过比较新增加的对象是否与原有对象相容判断概念(或集值决策信息系统中的决策类)的近似集是否发生了变化,从而得到动态更新后的近似集。当对象减少时,即要删除某个对象时,首先要判断该对象是否属于概念,然后再比较该对象是否与其它对象相容而判断概念的近似集是否变化,从而得到动态更新后的近似集。最后通过实验仿真验证了方法的有效性。其次,讨论了当对象集不变时属性集动态增加和减少时近似集的动态更新方法。在集值粗糙集模型下,当属性增删时,通过对相容类与概念的关系以及相容类与变化前的近似集和边界域的关系的研究,从中得出一些在属性增加或减少时近似集动态更新的定理和相应的性质。由此得出在集值粗糙集模型下属性增加和减少时,近似集动态更新的方法。并通过实例和实验仿真验证了方法的有效性。