图作为反映数据中携带信息最重要的一种表达方式,在许多领域得到广泛的应用。而热图是超越传统图形意义的一种新型的信息可视化方式,在现代的可视化领域中,热图的使用更加广泛。然而随着大数据时代的到来,数据不仅在多元素、多维度等数据属性上剧增,尤其是在数据规模上急剧增加,使目前的方法在大规模数据进行热图可视化绘制上效率大大降低,甚至超过机器的负载,导致程序崩溃无法进行数据可视化的绘制。针对这一问题,本文提出一种基于四叉树网格的快速层次聚类热图可视化方法,通过对大数据进行聚类预处理,进而利用可视化技术将预处理数据信息采用热图的形式进行展现。首先,针对大规模数据进行预处理时选择合适的聚类方法从数量级上减少数据,通过对现有的多种聚类方法进行仔细研究和分析,综合各个聚类方法的优缺点,提出了一种基于四叉树网格的快速层次聚类算法。该算法适用于大规模数据的聚类,避免多次聚类造成数据信息的丢失,且聚类后的数据质量较高,并在最大程度上保留原数据的特性。其次,根据预处理后的数据,计算数据热点产生的热值。将预处理后新的数据中心点看作热点,通过高斯函数拟合计算每个热点(多条数据)对周围地域产生的作用值,将所有热点对区域的作用值累加。计算结果作为最后的热度值,利用可视化技术进行三维热图的绘制。再次,根据三维热图的体数据的特点,提出一种简化的光线投射方法,利用GPU强大的并行处理能力和着色器可编程的特性,直接在着色器中计算经纬度对应热值,把热值按比例转换成高度再根据比例值赋颜色值进行三维热图的绘制,相比于传统的光线投射算法,减少相交测试的计算和反复采样,提高热图的绘制帧率。最后,设计和实现可视化程序框架,并通过实验对提出的方法进行验证和对比分析,证明了本文算法的可行性和有效性。