针对高维数据的Skyline查询处理已经逐渐成为研究的热点,当前主要采用降维方法和k-分桶 skyline 查询算法，但这些算法实现是基于数据对象是完整且精确的假设前提下，但在实际应用中面临的高维数据对象（特别是采集的网络数据）往往是不完整的。桶算法是现有的针对不完整数据的有效算法，但是桶数目随着维度增高而指数级增长，造成桶存储空间严重浪费，同时Skyline查询效率也随分桶数目增加而降低。因此本文针对高维稀疏数据，为了节省存储空间和优化Skyline查询集合，提出了高维稀疏k-分桶的概念，提供了高效的k-分桶 skyline 查询算法。该算法能够有效地控制分桶数目，采用特定的桶填充策略减少候选skyline集合的数目。经过实验验证，k-分桶skyline查询算法特别适用于大规模的高维稀疏数据，稀疏程度越高，算法的优势越明显。