随着大量概率数据、不确定数据和模糊数据的出现,近年来,概率数据流成了研究的热点。数据流是按照时间到来的有序项集,有着连续的、无限的、随时间不断变化的、只能处理一遍等特点。在传统的数据流中,随着时间到来的每一项都是给定值域内的一个确定的值或记录,又被称为确定性数据流。概率数据流是传统数据流的泛化与扩展。对于概率数据流,每一项都是一个随机变量,是定义在值域上的概率分布,因此被称为概率数据流。这种新型的数据流模型对于处理概率数据、不确定数据及模糊数据等,有着十分重要的作用,在数据清洗、数据集成、多传感器网络等领域有着广泛的应用。由于数据流的时效性及无限性,我们常常只关心最近的一些数据,所以研究基于滑动窗口的概率数据流上的查询是十分必要且有意义的。本文首次给出了基于滑动窗口的概率数据流上的聚集查询算法,首先解决了概率数据流上滑动窗口内的一些值聚集查询,主要包括SUM、F₁（COUNT）、F₀（DISTINCT COUNT）等;另外,本文首次给出了概率数据流上的Top-K问题的解决算法,并把问题扩展到滑动窗口内,并给出了有效的算法;最后,本文也提出了寻找基于滑动窗口的概率数据流上的频繁项的算法。同时,针对各个问题的算法,文章通过理论分析和实验证明了算法的误差和时空复杂度。