测试、监测数据的可视化呈现与分析，对于航空、航天器等复杂系统的自动化测试、诊断和预测具有重要的价值，而高维、多元数据的可视化分析始终是该领域的挑战问题之一，同时也是很多工业领域的共性问题。基于图嵌入数据分析方法能够将数据从高维空间映射到可视低维空间，并保持数据空间分布、类别特征、相似性等本质特征。本文综合分析和总结现有图嵌入数据分析方法的发展现状和趋势，借鉴局部保持映射算法对数据进行空间特征映射具备良好的局部结构保持能力，开展图嵌入结构化数据分析方法及应用研究。首先，针对局部保持映射仅考虑数据局部结构而对数据全局结构保持不足的问题，采用聚类K-means算法对数据全局结构进行度量，同簇数据之间建立连接关系，构造嵌入图，提出基于相似性度量的无监督图嵌入结构化数据分析算法。通过仿真实验验证算法在对数据进行空间特征映射时，对数据全局空间几何结构的保持性能及其在数据可视化分析中的应用潜力。其次，针对无监督的局部保持映射算法，对数据类别标签信息利用不足、计算权重矩阵时参数选择困难等问题，利用数据的类别标签信息并度量全局数据点之间的相关性实现嵌入图构造，改进局部保持映射，提出基于相关性度量的监督图嵌入结构化数据分析算法。通过仿真实验验证其在对数据进行空间特征映射时，对数据类别结构的保持性能。再次，针对局部保持映射对数据空间局部几何结构保持能力较强、而对数据类别结构保持能力不足，基于相关性度量的监督图嵌入结构化数据分析算法对数据类别结构保持能力强、而对数据空间几何结构保持能力不足的问题，充分度量数据的局部结构、利用类别标签构造嵌入图，通过融合两类算法的优点而提出局部结构保持的全局监督图嵌入结构化数据分析算法。通过仿真实验验证该算法在对数据进行空间特征映射时，对数据空间几何结构以及类别结构的保持性能。最后，将本文提出的算法应用于卫星遥测数据的可视化呈现与分析。降低卫星遥测数据时间维度，可视化呈现各监测参量之间的结构关系，实现卫星在轨运行状态的可视化呈现、未知模式可视化挖掘以及幅值异常可视化检测。实际验证表明图嵌入结构化数据分析方法在高维、多元数据的可视化呈现与分析方面具备良好应用潜力。