随着计算机、互联网、通信以及定位技术的快速发展,数据呈爆炸式增长。这些数据在形态上具有海量、高维、多源、异构、不确定/不完整等特征,使得当前相关技术很难支撑人们进行复杂而多样的智能处理需求。缺失数据具有不确定/不完整特征,并广泛存在于科学研究和社会生活的各个领域,如通信、交通和经济等领域。查询是计算机科学的基本问题,存在于目前几乎所有的计算机应用领域。如何高效、智能地查询数据,挖掘有价值的信息,服务于社会,已成为当今信息技术的重大挑战。然而,现有的查询处理技术大多只关注完整数据。由于缺失数据的性质与完整数据的性质存在很大差异,因而缺失数据查询不能(直接)有效地采用传统的完整数据查询处理方法。为此,本文对缺失数据查询处理技术进行了深入研究,主要包括:1)不完整数据查询:相似查询在地理信息系统和多媒体检索等方面有着广阔的应用前景。现有大多的相似查询处理方法只针对完整数据,但在许多的实际应用中,数据集中的对象可能存在缺失信息(如数据对象的某些属性值缺失等);这些对象之间的邻近关系就不能用传统的相似度计算方式衡量,而需要寻找适用于缺失数据对象的新颖的邻近关系度量方式。本文开发了两种有效的不完整数据索引方法,并提出了精确和近似的查询算法,以支持不完整数据k最近邻查询问题。此外,偏好查询在决策支持、个性化服务、以及推荐系统等方面具有重要的应用价值。例如,在电影推荐系统中,针对含有缺失信息的电影评分数据集,系统可以利用Top-k支配查询选出前k个观众评分最好的电影以推荐给电影爱好者。本文提出了面向不完整数据Top-kk支配查询的skyband剪枝、上界值剪枝、位图索引技术以及压缩技术,并设计了多种有效的查询算法,以支持不完整数据Top-k支配查询问题。同时,本文分析了位图索引压缩技术对查询效率和索引空间成本的影响,并进一步探讨了查询效率和索引空间成本的权衡问题。2)不确定图查询:尽管已有许多专家学者致力于不确定图查询处理技术研究,并取得了大量可喜的研究成果,但距离满足不断出现的、复杂而多样的查询需求还有一定的差距,仍待进一步深入研究。例如,不确定图反k最近邻查询在资源优化配置、本质蛋白质识别等场景具有重大的应用前景。然而,尚未有学者对不确定图反k最近邻查询进行研究。所以,本文探讨了不确定图反k最近邻查询问题。本文引入了图规模剪枝、等价图剪枝和概率界剪枝以缩小图规模、减少可能图数量和缩小候选数据节点数量。本文除了提出精确算法来处理不确定图反k最近邻查询,还给出了一种新颖的抽样算法。该算法使用了图规模剪枝和自适应分层抽样方法。该抽样方法被证明是无偏的且其方差不比随机抽样方法差。与已有算法相比,本文所提出的精确算法效率平均提高了五个数量级;而且,抽样算法比精确算法效率至少提高了三个数量级。3)概率查询质量优化:在许多的实际应用中,数据带有不确定性,使得基于这些不确定数据的查询(即概率查询)往往返回一组不确定的查询结果。换句话说,概率查询返回的结果包含大量噪声,这使得查询质量下降。为此,本文提出一种新颖的概率查询质量优化框架,旨在给定的预算内选择出一组最影响查询质量的不确定数据对象去清洗,以最大化查询质量。本文结合一个新开发的ASI结构加速查询质量计算,并利用两个有效的剪枝策略提出分支界限法、贪心算法和抽样算法以支持数据对象选择问题。ASI结构被证实比未使用该结构的质量计算算法性能提升了两到三个数量级。4)缺失数据查询处理系统:基于上述的研究成果,本文开发了一个基于不完整数据偏好查询的餐馆推荐系统。该系统考虑了餐厅的不完整评级信息,并在PostgreSQL数据库中集成了不完整数据skyline查询和Top-k支配查询,主要支持三个功能模块:友好便捷的查询提交模块、灵活实用的结果解释模块、以及增量式的数据集即时交互模块。