随着信息时代的到来,如何从海量数据中挖掘出有效信息显得越来越重要,可视化技术成为解决这个问题的有效手段。其中对网络数据的可视化一直是可视化研究中的热门领域和难点问题,受到了国内外学者的广泛关注。本文旨在研究大规模的复杂网络可视化。为此,作者提出了一种基于层次化社团结构的网络可视化方法。此方法首先采用快速的社团算法将网络划分为多层次结构,然后在每个层次内部采用圆环布局来绘画图形,并提供层次间的交互式探索功能,从而能兼顾网络的整体结构以及局部的细节信息。基于此方法,作者编程实现了可视化平台HCV,并在平台中实现大量的辅助功能,帮助用户更好地通过可视化技术从网络数据中发掘出有用的信息。本论文所作的主要贡献如下:1提出了一种基于层次化结构的网络可视化方法,该方法使用一种基于模块度指标优化的社团划分算法将网络分成多层次结构,并将每层上的社团和连边按比例进行抽象,避免大型网络可视化经常面临的大量节点和连边的堆积问题。在不同层次之间实现了交互式的探索,从而兼顾了整体和局部的信息。2根据层次化社团算法,使用圆环布局,编程实现了可视化平台HCV。该平台实现了大量的辅助功能,以帮助用户更好地观察图形和分析数据。平台还提出了并实现了寻找社团间重叠节点以及处理动态演化的网络数据的功能。