在信息化时代，通信技术、计算机网络技术推动着整个人类与社会的发展。硬件存储能力的快速发展，为人们带来了大量的海量数据。海量的数据信息在给当代科技带来发展的同时也产生了许多问题：一是海量数据过多，领域工作者无法快速消化；二是获得的信息真实性无法保证；三是个人数据信息安全无法保证；四是数据形式多种多样。面对各种数据难题，如何提升数据的利用率，如何快速的找到用户感兴趣的内容从而发现有用的知识已经成为了目前数据挖掘领域重要研究方向。可视化是一门涉及计算机图形学，信号处理，人机交互，人工智能等多领域的新学科。将可视化的理论方法应用到模式识别的领域中去，可以最大的发挥人类的灵活性，创新性。可视化方法可以作为抽象数据与用户之间的中间媒介，为用户提供数据的整体信息,帮助用户确定感兴趣的内容。与传统的模式识别方法相比较，可视化方法使得数据更透明，能够加强用户对分类模型的信心，使得模式识别的过程效率更高、速度更快。本文结合二维表示的可视化技术，实现了平行坐标图、散点图、雷达图、星座图的仿真方法同时根据各方法的不足引入了基于凸壳算法的轮廓优化，基于复线性判别算法的权值优化，基于非线性变换的局部优化和放缩优化。同时结合计算机图形学与信号检测知识，提出了高维数据色度图方法以及高维数据数字荧光图方法。其次提出了基于图表示的可视化特征，包括幅值比特征、位置特征、面积特征、重心特征、形状特征、颜色特征。将融合的可视化特征集进行特征优化。将模式识别的思想引入了可视化的研究领域。最后建立了可视化模式识别仿真平台系统，采用支持向量机方法以及K近邻方法比较了可视化特征与传统特征分类的准确率，证明了可视化分析学在模式识别领域的适用性。