基于优势关系的粗糙集将传统粗糙集中的等价关系扩展为优势关系,从而可以处理属性具有偏好关系的信息。然而,这里的优势关系要求一个对象x的每个属性值均优于另一对象y,才能称x优于y。在对象的属性较多时,这样的优势关系很难得到满足。为了解决这一问题,本文通过引入参数定义了扩展优势关系,只要一个对象的多数属性值优于另一对象,则该对象就优于另一对象。另外,由于Ziarko提出的变精度粗糙集,允许一定程度的错误分类率存在,使模型具有一定的容错性,本文将扩展的优势关系和变精度粗糙集相结合,建立了基于扩展优势关系的变精度粗糙集模型,使得对偏好信息的处理更加灵活。最后,也是本文最重要的工作:考虑到现实问题中收集到的数据信息是动态变化的,针对每次变化重新计算效率低下的问题,我们提出了扩展优势关系下变精度粗糙集模型中近似集的快速更新方法,并给出了相应的理论证明和算法。我们通过算例表明了扩展优势关系粗糙集模型的分类效果;通过11个UCI数据集上的实验结果表明本文给出的近似集更新方法在运行时间、扩展性和参数敏感性方面的有效性。