随着信息时代的到来，人们正面临着爆炸式增长的数据。作为人类和数据之间进行沟通的重要桥梁，信息可视化正迅速发展成为一门影响深远的交叉性学科。其中，层次结构数据和网络结构数据作为信息可视化领域应用最为广泛种数据模型，其可视化方法一直是研究热点。在信息可视化领域，层次结构数据和网络结构数据通常被抽象为树和图：以节点（顶点）表示信息，节点（顶点）之间的连接线表示信息之间的关系.因此关于树和图的可视化方法是信息可视化领域的基础问题之一。大规模树的可视化一直没有很好的通用方法。本文针对在某一时刻用户仅仅关注部分层次节点的应用场景，基于Focus+Context思想提出一种结构保持的大规模层次数据混合可视化方法，该方法：(1)根据用户感兴趣节点自动提取树的骨架——轮廓树，轮廓树表达树的整体拓扑结构；(2)设计轮廓树的布局算法及轮廓树节点的展现方法，使得最终结果既能有效展示用户感兴趣节点的细节，也能表达树的整体结构特征。本文将该算法应用于自主研发的概率安全分析软件RiskA，该算法对大规模故障树分析非常有效，表现出良好的应用价值。相似子图对生物化学领域相同分子结构分析、社交网络领域聚集性特征发现都有重要意义，但作为应用最广泛的力引导布局算法Kamada-Kawai布局方法却没有考虑子图的相似性，导致相似子图的布局可能差异很大，不利于用户发现相似子图。针对这个问题，本文提出一种考虑子图相似性的图布局算法，该算法：(1)能自动找出网络图中所有与用户感兴趣结构相似的子图结构；(2)改进了力引导布局重新展示图结构，保证相似子图能以相似的布局效果展示给用户。