随着信息技术的发展和信息系统的不断更新,处理复杂而庞大的动态数据面临着严重的计算效率低的问题。动态计算为解决这一问题提供了有效途径。在完备的信息系统中,大多数近似动态更新方法主要是针对经典粗糙集及其扩展模型。而在多粒度的环境下,目前的研究方法较少且时间效率不高。此外,在许多的实际应用中,需要处理的数据不是单一的,而是数值型和符号型相混合的复杂数据。同时,信息系统往往不一定是完备的信息系统（即数据会出现缺失或不存在的情况）。目前,对不完备混合数据的信息系统的近似动态更新研究较少。因此,本文基于完备和不完备信息系统,分别研究了其动态更新问题,主要包括以下内容:（1）针对完备信息系统中的多粒度粗糙集,当信息系统中的属性值变化时（属性值被粗化或细化）,通过减少论域中与目标概念无关对象的计算而获得相对关系矩阵。通过布尔矩阵、截矩阵和相对关系矩阵的矩阵运算来表征多粒度粗糙集的近似集。研究属性值粗化或细化时近似集的变化趋势,进一步提出基于相对关系矩阵的多粒度动态更新方法并设计相应的算法。最后,通过UCI数据集验证算法的可行性和有效性。（2）针对不完备的混合数据信息系统,提出了基于邻域-容差关系的多粒度粗糙集模型,并对它的基本性质进行了讨论。此外,研究了系统中缺失属性值被逐个获取时邻域多粒度粗糙集近似集变化的性质。根据近似集的变化趋势,提出了邻域容差类的动态更新定理,进一步得到邻域多粒度粗糙集的近似集动态更新方法。最后,通过例子对所提方法的可行性进行验证。