飞速发展的社会涌现了大量信息,这些信息带来了海量复杂的多维数据,于是多维数据的分类问题成为当今最受关注的研究方向。基于可视化的分类方法应时代要求而被提出来,它以简单易观察的图形或者图片的形式来表达多维数据或者信息的特征,实现了无结构数据的结构化表示,使人对数据有直观、准确的了解,并为其提供与数据交互的手段。本文在了解分析传统分类方法的基础上,重点对可视化分类方法进行深入具体的研究。首先阐述了多维数据到多元图论域的映射,基于各类多元图的可视化分类方法的基本理论和应用研究及其各自的优缺点,为全文提供了理论基础。在第二章的理论基础的前提下,具体的研究了基于多元图的特征提取。介绍了雷达图和散点图的特征提取方法,进一步针对平行坐标图提出了面积、折线段斜率、折线长度、折线走向趋势以及分区面积比等特征的提取方法。本文的第四章以多元图图形特征为基础,研究基于多元图图形特征的分类方法。首先,阐述了单原型图形分类器和K近邻图形分类器分类器算法原理。其次,提出了类差多元图的概念及基于类差多元图的特征选择方法。最后,将基于多元图的分类方法对机器学习数据库中的乳腺组织数据和葡萄酒分类数据进行分类,在乳腺组织数据分类中利用类差多元图对数据进行特征选择和最有排序,然后利用平行坐标图的整体图形面积特征作为分类特征,实验精度都达到80%以上,证明了本文提出的辅助分类方法的实用性,在葡萄酒数据分类中利用基于类差多元图分区面积和与分区斜率对数据进行特征提取与选择排序,然后利用单原型分类器对数据进行分类,分类结果均在90%以上。两组实验证明,在分类精确度相同的情况下,基于多元图的可视化分类方法具有计算量小,简单易操作。而且精确率等优点。