大数据时代带给我们的既是机遇也是挑战。随着信息技术的迅猛发展,数据获取的维度和规模都大大提升。高维多元数据作为一种广泛使用的数据存储形式,几乎无处不在。如何在有限的显示界面和人的视觉感知限制下,有效地可视化高维多元数据是一个挑战。在可视化信息传递的过程中,无论是编码端还是解码端,人始终是信息生成与获取的主体,位于可视化信息结构的顶端。因此,围绕人的认知特点,实现数据结构到视觉结构的有效映射是多元数据可视化所追求的根本目标。本研究以人—数据的有效交互为导向,以高维多元数据信息特征和人的视觉感知特征为切入点,以多元信息可视化界面为研究对象,以用户研究和模型度量作为检验方法,系统地研究了高维多元数据可视化的设计与评估方法。研究将理论研究、实证研究与设计实例相结合,本研究的成果可以为多元数据可视化的设计提供方法指导。本文的主要研究内容和创新点包括:（1）对多元数据可视化中整体编码的感知策略和认知偏差的产生机制进行研究,并对人—信息交互的信息空间、心理空间、计算空间、表征空间和交互空间中信息加工的分布进行深入探讨,构建了偏差-认知的分层映射模型。为有效性评估方法所涉及的研究范式提供了使用依据,并为可视化整体质量评估研究奠定了理论基础。（2）从可视化交互的宏观（系统）和微观（个体）层面,系统地分析了影响交互质量的因子及其关联属性,构建了用于评估多元数据可视化整体质量的评估模型。综合以用户为中心的实证度量和以数据为中心的模型度量,提出了多维均衡度量的概念以评估可视化的整体质量。提出了以认知为导向的多因子评估算法模型以度量可视化的交互效率。（3）重点研究了多元数据可视化中整体编码的感知有效性度量方法。分析了不同整体感知任务类型的信息提取模式,建立了可视化整体编码的研究范式。通过跨学科综合,创建研究范式与感知差异检测方法、用户响应、相关性度量三个维度间的映射,建立了整体感知任务驱动的度量方法体系,并通过实证研究验证了该方法的有效性。（4）基于理论分析,分别进行实证研究和案例设计。论文对标量场中颜色编码的梯度感知进行实验研究,研究结果为评估色彩映射对分布特性的敏感性提供了一个新的途径,可以用来推导出特定任务的颜色编码准则。论文还提出了一种使用交互式可视化东南大学博士学位论文系统来探索用户提取分布式视觉信息能力的评估方法,结合多维均衡度量,探索了动态网络趋势感知的有效性评估。基于实证研究结果和数据立方体技术,对地铁客流可视化进行实例研究,论文提出一种增强视觉特征的可视化编码设计方法,实现了用户能够在不同的聚合水平上探索多个空间和时间维度的隐藏模式。