网络通信数据不仅体现了网络用户之间的关联关系,同时包含了用户在使用网络过程中的行为模式以及使用规律,具有动态变化特性以及高维数据特性。相对于传统的数据分析方法,可视化与可视分析技术具有直观、可交互的特点,能够让用户直观地感知网络结构以及网络节点之间的关系,交互式地深入探索数据,并及时获得直接的反馈。从而适合于无任何先验知识情况下的网络数据分析,同时,也是对传统数据分析方法的有益补充。本文主要针对网络通信数据中的流量属性、时变特性以及交互设计进行研究,加深用户对网络通信数据的理解,辅助用户进行有效的分析。本文的研究工作主要有以下几点:1.基于流量信息的力引导布局算法。在通信网络中,网络通信流量隐含着大量的信息,单个节点流量能够反映节点在网络通信中的重要程度以及活跃程度,而多个节点之间的网络通信流量则反映了节点间通联关系的频繁与紧密程度。传统的网络布局算法仅仅能够反映出网络中基本的拓扑结构,而无法体现节点间通信关系及属性。本文提出了一种基于流量信息的力引导布局算法,根据网络流量信息构建重要度指标,并对传统的FR算法进行改进,使得网络布局中反映出节点间的流量信息以及关联关系。2.基于三角网格的动态布局算法。通信网络具有时变特征,网络中的流量信息的变化使得节点间连接关系随时间变化,从而导致网络结构的动态变化。为了保证布局的相对稳定性,即布局变化是一个渐变而不是跳变,本文提出了一种基于三角网格的动态布局算法,将网络中的节点与连接映射到三角网格中,通过对网格重要度进行映射对网络节点位移进行控制,以保持网络意向图的稳定性。实验表明本文方法能够有效控制重要节点的移动,从而保持网络的意向图。3.基于增强刷操作的交互策略。网络通信数据除了具有节点连接间的拓扑关系,还包含了流量、端口、IP等多种属性,即具有高维特性。平行坐标图能够有效展示高维数据,刷操作能够有效对数据进行筛选,但是当数据量大时,用户往往存在刷取选择困难。本文提出了一种增强的刷操作策略,在交互过程中增加数据的分布趋势,从面提高交互效率,更有效地辅助用户进行交互探索。