在信息检索、传感器数据和图像识别等领域中,存在着大量不确定性的数据。当把这些数据存储到数据库时,要求数据库有对其进行处理的能力,而传统的数据库都是确定性的,不能对不确定性信息进行处理。因此,概率数据库逐渐成为研究的热点之一。本文首先描述了概率数据库的研究背景、现状和广泛应用,介绍了两种广泛应用的概率数据库模型,分析了目前概率关系模型的缺点,并针对缺点对概率关系模型进行了改进,把其中的元组重新分类,并采用不同的概率计算公式,有效的解决了投影不合理的问题。其次对概率数据库中数字属性的模糊查询技术进行了研究,通过建立模糊集、选择隶属函数、调整模糊范围等一系列操作,逐步完成了模糊到精确的查询过程。提出了可信度的基本概念,通过设置可信度能有效地减少低概率元组的数量,所以查询得到的数据能更好的满足用户的要求,同时也能降低查询的时间。目前,聚集函数是直接应用于每一个可能世界的,且在线性时间内不可计算。本文把聚集函数直接应用于原概率关系,通过转换和存储过程等方法对每一个元组进行计算,使得能够在线性时间内计算其结果,理论分析和实验证明了该方法的正确性。同时把每一个聚集函数分为三个聚集分量,得到的聚集结果能更好的满足用户的多方面需要。针对AVG提出近似计算(AC)算法,实验结果表明该算法在很大程度上缩短了计算时间,且具有较低的错误率,所以AC算法的结果可以作为概率数据库中AVG的精确值。