近年来,在金融服务、网络监控、电信数据管理及传感器检测等领域中,出现了一类新的数据密集型应用。这类应用的特征是:数据以大量、快速、时变的数据流形式持续到达,所以数据不宜用持久稳定关系建模,而适合用数据流建模。论文在研究目前国际上最新的数据流管理技术的基础上,介绍了东南大学自行开发的基于硬件预处理器的数据流管理系统原型SEUSTREAM的体系结构和一种可以支持对数据流上进行持续查询的查询语言X-SQL。在很多实际应用中,例如决策支持系统、查询优化等,用户并不需要获得确切值,而仅需要一个近似值。因此,设计单遍扫描算法(one-pass algorithm),实时地给出近似查询结果就成为数据流模型下数据处理的目标。算法的关键在于设计一个远小于数据集规模的结构,从而可以在内存中处理数据。相对于数据流的规模而言,这种名为概要数据结构(synopsis data structure)的规模至少是次线性的。小波变换大纲作为高效的数据压缩还原技术引起了数据流领域的高度关注。论文详细介绍了哈尔小波的变换过程,并且引入了误差树的概念对这个变换过程进行了详细的分析。在此基础上实现了用哈尔小波方法生成概要数据结构的算法,选用了不同的固定阈值并进行了性能测试,实验表明不同的压缩率导致了重构数据与原始数据存在一定的误差。同时基于测试结果分析了固定阈值方案的不足之处,数据重建的质量变化很大,并且对于单独的近似解答缺少特别的质量保证。在此基础上提出并实现了基于概率的可变阈值的小波变换,比较好地解决了这个问题。