随着计算机和互联网技术的高速发展,人们采集和处理的数据格式越来越丰富。对于常见的实数数据已有大量研究工作,而相对来说区间值数据的研究比较少。区间值数据在多变量分析,模式识别,数据挖掘,控制等多领域有着广泛的应用。区间值数据与实数数据不同的地方在于用一个区间范围表示一个特征值,而不是一个精确值,这决定了其本身包含不确定性。因此,与实数数据相比,区间值数据需要特殊的处理。随机事件在自然界广泛存在。区间值数据的一大来源也是源于未观察到的随机变量。概率论是一门比较成熟的学科,有大量的技术和理论支持,也适用于对不确定性进行建模。因此,本文从区间值数据本身的不确定性特点出发,尝试用概率模型对区间值进行处理,解释了概率模型对应的现实基础,并改造和提出了一些适用于区间值的差异性度量和回归,聚类算法。本文的研究成果主要如下：1).给出了两个例子说明用概率模型处理区间值的合理性。把区间映射到一定的分布函数上,并在其基础上定义了3个差异性度量,证明了它们的一些性质。2).在概率模型基础上,结合区间值不确定性的特点,提出了应用于区间值数据的回归算法,包括：多变量线性回归和核回归算法。3).基于新的聚类目标函数,提出了一种新的应用于区间值数据的聚类算法,此算法同样也适用于实数数据,并且证明了算法的收敛性。