国家的研究涉及复杂数据,设计一个可视化系统进行国家研究具有重要意义。本文基于世界银行关于拉丁美洲及加勒比地区17个国家1960~2016年期间1441项数据,研究高维多元数据的可视化方法,设计了国家可视分析模型和可视分析系统。本文的主要工作主要体现在以下三个方面:1.对拉丁美洲国家数据的属性的多层次特征进行构建。高维多元数据属性过多,会造成人工筛选任务负担过重的问题,因此,利用文本分类对数据集的属性进行层次构建,方便用户快速筛选数据子集同时提供数据整个维度的概览。2.对拉丁美洲国家数据进行维度空间探索模型构建。针对高维数据中蕴含重要信息且会被无关信息干扰的问题,同时从属性和数据对象两个角度完成对数据维度空间的探寻。首先,利用基于子空间聚类的高维多元数据处理的3种方法(特征选择、子空间探索、子空间聚类算法)相结合的方式从属性的角度来分析拉丁美洲国家数据。采用特征选择方法在原始维度空间选择出合适的特征子集后,利用子空间聚类算法对特征子集进行分组成簇,再将子空间探索方法结合可视分析来辅助用户发现新的兴趣子空间。接着在重构的局部子空间中从数据对象的角度,利用基于密度峰值的快速聚类对数据降维后观察其分布特征。3.设计并实现了基于拉丁美洲国家数据的高维多元可视分析系统。利用极坐标、视觉隐喻等多种可视化手段来设计个体详情、重要属性投影等视图。该系统实现了对拉丁美洲国家数据从整体到个体、从宏观到特征事件进行筛选和探索的功能,同时能对对多个国家的进行关联对比和展示多属性的时变演化规律。最后通过四个案例分析验证了本系统的有效性和适用性,另外,邀请拉美研究人员对系统功能、可视化方法、交互技术等进行了初步评估,评估表明本可视分析系统设计新颖、可视化表达十分有效、交互方便,对拉丁美洲国家的研究具有重要帮助。