双论域模糊概率粗糙集模型作为粗糙集的拓展模型,可以有效处理概率不确定性和模糊性并存的数据分析。本文基于双论域模糊概率粗糙集模型,从多粒度的角度对其进行拓展,考虑对象的模糊等价类可能为空的情形,构建了一种双论域多粒度模糊概率粗糙集模型,将双论域模糊概率粗糙集模型拓展到了多粒度结构层次。此外,随着时间的推移,信息系统中的数据常常会发生变化,粗糙集的知识也可能会随之改变,此时如何对近似集进行高效率的更新成为一个研究热点。当双论域多粒度模糊概率粗糙集的对象发生变化、粒度发生变化、或者属性值发生改变时,基于对象优先的方法,分别设计了近似集动态更新方法,并通过实验验证所提方法的高效性。本文的主要研究工作如下:（1）考虑对象的模糊关系等价类可能为空的情形,构建了一种双论域多粒度模糊概率粗糙集模型,并给出双论域多粒度模糊概率粗糙集的近似集矩阵计算方法。然后通过分析传统计算方法的不足,提出对象优先的计算方法。考虑当两个论域的对象集增加或减少时,提出了对象优先的多粒度双论域模糊概率粗糙集的近似集动态更新方法,进而设计实验,当双论域多粒度模糊概率粗糙集的对象发生变化时,对比了静态算法、传统动态算法和本文所提动态算法更新近似集所需的时间,验证了所提近似集动态更新方法的高效性。（2）基于本文构建的双论域多粒度模糊概率粗糙集模型,当双论域多粒度模糊概率粗糙集的粒度增加或减少时,基于对象优先的方法,研究了近似集动态变化的性质,分别设计了当粒度增加或粒度减少时的双论域多粒度模糊概率粗糙集近似集动态更新方法。通过实验分析,随着粒度的增加或减少,在更新近似集的时间方面,本文所提动态方法均小于静态算法,证明了所提近似集动态更新方法的高效性。（3）针对信息系统可能存在缺省值的情形,引入标记,给出了带标记的不完备双论域多粒度模糊概率粗糙集模型的相关定义。当带标记的不完备双论域多粒度模糊概率粗糙集模型获取缺省值时,提出了对象优先的近似集动态更新方法。实验过程中,随着带标记的不完备双论域多粒度模糊概率粗糙集模型获取缺省项的规模的增加,通过对比静态算法和所提动态算法更新近似集所需要的时间,验证了所提近似集动态更新方法的高效性。本文考虑对象模糊等价关系可能为空的情形,构建了一种双论域多粒度模糊概率粗糙集模型,考虑其对象集的增减,粒度的增减以及属性值的改变等三种情形,设计了相对应的近似集动态更新方法。丰富了近似集动态更新理论的研究,为双论域多粒度模糊概率粗糙集的近似集动态更新提供了新的方法。