1.产生的原因
为了集成自顶向下立方体计算类Apriori剪枝和自底向上多维聚集的两个优点而设计。算法在一个称为星树的数据结构上进行操作，对该数据结构进行无损数据压缩，从而降低计算的事件和内存需求量。
2.共享维剪枝
如果共享维A的值a1，不满足冰山条件，则以a1CD/a1为根的整颗子树（包括a1CD/a1C,a1D/a1,a1/a1）都可以剪枝，因为他们都是a1的更特殊化的版本。
3.方体树
基本方体ABCD的方体树，包括四层，每层表示一个维，每层有n个节点表示每个维所能取的不同值。每个节点有四个字段：属性值，聚集值，指向子女的指针和指向第一个兄妹的指针。
4.星树构造
星节点：如果单个维在属性值p上的聚集不满足冰山条件，则该节点p可以用*号代替，称为星节点。
星树：使用星节点压缩过的方体树称为星树。
5.星树创建过程
6.利用星树的计算过程，即Star-Cubing算法思想
（1）总体过程
深度优先遍历星树，通过自底向上聚集，在聚集过程中，利用共享维的概念（相当于自顶向下）剪枝。
（2）遍历过程
对上述基本星树按照深度优先遍历(BCD,ACD/A,ABD/AB,ABC/ABC)：
首先最左子树一次遍历a1,b*,c*,d*得到下图结果（BCD,a1CD/a1,a1b*D/a1b*,a1b*c*/a1b*c*）：
注途中：destroyed表示在回溯过程中，因为c*,d*没有兄弟节点，所以没有必要保留计算结果，删除。
另，在实际计算过程中因为a1不满足生成子女数的节点的条件，所以ACD/A后面的三个树不会生成，即不用计算。
能产生子女树的节点条件为：（1）节点的度量必须满足冰山条件；（2）产生的数必须包含至少一个非星节点。
第二棵子树遍历结果：
第三棵子树遍历结果：
注：此过程树的变化情况解释：
对于上次创建并未销毁的，而且本次又重新创建的一样的两棵子树，应将两次结果进行合并，即：将每个节点的聚集值进行相加。例：第1,2次创建的ACD/A树。
对于上次创建并未销毁，而且本次也创建该树，但两棵树不一样的，应将两棵树合并在同一根下。例：BCD树。
7.与MultiWay和BUC性能分析
当计算稠密数据完全立方体时：
其能与M的性能相媲美，比BUC快的多（划分时开销较大，计算耗时间较大），
当计算稀疏完全立方体时：
其比M快的多，大部分情况下比BUC快。
当计算冰山立方体时：
比BUC快。