随着Skyline查询在多标准决策、数据挖掘、用户偏好查询、数据库可视化等领域的广泛应用，国内外学者已经提出了多种Skyline算法，但由于Skyline查询方面的研究发展时间尚短，目前对于高维数据的Skyline计算研究还很有限。高维Skyline计算面临以下挑战：（1）维度灾难——即随着数据集规模增大维数增多，Skyline查询的结果数目将随数据集大小（N）和维数（D）呈指数增长。得到的Skyline查询结果集巨大，不能提供有效信息。（2）计算代价高——Skyline算法的开销本来就比较大，其中BNL，SFS和LESS算法最坏情况复杂度均达到了O（kn2）， k是查询空间的维数，n是数据对象个数。（3）算法要求高——算法不仅需要正确得出Skyline结果，还应具有渐进性（progressive）和偏好性（preferable），即算法获得Skyline点的响应时间快，并且能根据用户对不同属性的喜好程度给出相应Skyline结果。 本文集中研究了高维数据集的Skyline算法和查询数据集Skyline点输出数目过多的问题。深入分析了高维空间Skyline计算的特点及难点，在此基础上提出了一种基于排序的高维数据集Skyline算法。算法采用一种新颖的预排序结构，并结合已有算法的优点，能够较好地达到算法要求。与现有同类算法相比，具有以下优点：（1）可以根据用户的需求，顺序输出结果，减少用户后期筛选数据点的计算量。（2）根据预处理结构的特点，可以保证优先扫描较好的点，能够快速渐进地返回Skyline结果。（3）采用优化启发式规则减少访问的数据点数目，无需访问整个数据集就能得到Skyline集。理论分析和实验结果表明，本文的算法有很好的渐进性，有效地改善了查询的性能。另外，针对输出结果过多的情况，集中研究了Skyline集的优选策略，从定义和算法的局限性两个方面分析比较了k支配，Skyline频率概念和抽样算法，引入维度权重和Skyline相关度的概念，进一步改进了本文提出的算法，精简了Skyline结果，提高了用户友好度，使Skyline查询结果更加有意义。