近年来，随着数据采集和处理技术的不断发展，不确定数据得到了普遍的重视，针对不确定数据的查询处理成了一个重要的研究方向。其中，不确定数据集的Skyline查询处理是一个研究热点。尽管Skyline查询处理技术已经得到了广泛和深入的研究，但是现有方法没有考虑数据的不确定性，因而不能直接应用于不确定数据。本文提出了有效解决不确定数据集的Skyline查询处理的方法。　　 在深入分析不确定数据集p-Skyline查询语义，并吸收和借鉴现有的针对确定数据集的Skyline查询算法的基础上，提出了用于不确定数据集Skyline查询的两个新算法，并对算法性能进行了深入的实验验证。实验结果表明，这些算法能够正确高效地解决不确定数据集的Skyline查询问题。本文的主要研究成果如下：　　 (1)在深入分析元组存在支配关系时Skyline概率性质的基础上，提出了基于分层界定的算法LBPS，按照支配情况的不同将元组分层后，算法可以充分利用层次间元组Skyline概率满足的关系，只需计算少量层次的元组Skyline概率，就能够快速、高效地返回整个数据集的Skyline查询结果。　　 (2)提出了基于R-树索引的Skyline查询算法RBPS，该算法是对确定数据集BBS算法的扩展，它采用最好优先的次序访问R-树中的结点，对R-树中无需考虑的结点进行有效的裁剪和丢弃，大大提高了算法效率。同时，该算法支持数据集动态变化的情形，具备良好的可伸缩性和稳定性。　　 (3)对于以上两个算法进行了详尽的实验验证，从数据集维度、数据集大小和概率阈值三个影响算法性能的因素出发，对不同分布规律的数据集进行了测试，并对实验结果进行了详细分析。