在人工智能和大数据时代,如何模仿人类思维、认知和推理方式对海量的、不确定的、复杂的动态数据进行实时高效的数据挖掘和知识获取,已经成为当前智能信息处理和决策领域的热门研究方向之一。粒计算通过知识粒度从粒、粒层和粒结构三个层面对现实问题进行抽象、分解、合成、转换和因果分析,是一种多层次和多视角的多粒度思维理论和方法。作为一种新兴的三元粒计算范式,三支决策采用三分而治、化繁为简的朴素思想为计算机、医学、管理学、认知科学等众多学科提供了一种有效的问题求解策略和方法。本文以粒计算和三支决策为指导思想,以三支贝叶斯决策粗糙集模型为研究对象,以增量更新和矩阵运算为核心技术,从思想、模型和算法三个方面提出了面向动态数据的序贯三支粒计算理论框架和方法,具体研究工作如下:(1)面向动态决策数据,分析了具有决策语义解释的序贯三支决策思想,探讨了基于属性序列的多层次粒结构、基于七种区域组合的多样性模型选择以及基于粒度处理和转换的多元化代价结构,运用增量学习技术设计了序贯三支决策动态更新模型和算法,提出了一种增量序贯三支粒计算理论框架,在提升决策速度的同时降低了决策风险代价,为模拟人类多粒度复杂动态信息分析、处理和问题求解提供了一条可行的实现途径。(2)面向多维动态数据,分析了四层次多维粒度变化下的动态决策信息系统,给出了一种基于矩阵的三支决策区域计算模型,探讨了对象、属性、条件属性值和决策属性值四维组合动态演化时多粒度层次空间的知识矩阵更新机理,构造了关系矩阵、交矩阵和非交矩阵的增量更新定理,提出了一种序贯三支粒计算增量更新框架,提升了动态知识获取效率,为大规模不确定性动态数据挖掘和知识获取提供了一种新的增量系统学习思路和方法。(3)面向多类动态数据,分析了传统二支和三支贝叶斯代价敏感决策问题,给出了一种先二支再三支的贝叶斯融合决策矩阵方法,探讨了多类三支决策下的区域处理组合方式,提出了一种多类序贯三支粒计算框架和算法,拓展了动态三支决策现有理论和方法的适用范围,为多类代价敏感三支决策问题提供了一种新的冲突协调解决方案。(4)面向混合动态数据,分析了三支决策的时间模型、空间模型和时空融合模型,给出了一种基于时空融合的序贯三支决策计算方法,探讨了三种针对混合动态数据的多层次粒度空间构造方式,提出了基于决策态度和交并运算组合的混合多粒度融合策略,设计了一种处理混合动态数据的复合序贯三支粒计算算法,优化了混合动态粒度融合的效率,为三支混合数据决策问题提供了一种新的动态多粒度融合方式。本文从粒计算和三支决策的视角系统地研究了动态数据的决策知识获取问题。不仅把多粒度和序贯决策思想有效融入到动态三支决策方法,建立一个序贯三支粒计算理论框架,而且面对多维、多类和混合三种动态数据提出了相应的序贯三支粒计算模型和算法,并进一步通过实验验证了所提模型的有效性和算法的高效性。本文工作推动了三支粒计算理论与方法的研究和发展,也为动态大数据智能决策提供了新的研究思路和方法。