动态心电图（Ambulatory Electrocardiogram,AECG），又称Holter，经过四十多年的发展，其在无创心电辅助诊断技术领域应用非常广泛，成为临床上最为常用的心脏检查和医疗监护工具之一。动态心电图采集时间长，分析数据量大，大多数波形具有很高的相似性，如何从大量的波形中准确、可靠、完整的抽取出病变波形成为了当前计算机自动分析技术成为研究的热点和难点。本文针对ECG病变波形的分类与识别问题，利用数据可视化相关技术，提出了ECG波形的可视化聚类策略。本文的主要工作有：1）首先，结合ECG的波形特点首次把平行坐标技术应用于ECG波形的聚类这一问题，详细描述了普通平行坐标的可视化ECG聚类方法以及相应的可视化交互技术。该方法可以较好的实现中小规模ECG波形的聚类分析，但对于海量波形的分析效果不理想。2）这种普通平行坐标显示大数据集时会产生显示混乱，层次不清的问题。它导致无法很好的实现ECG波形的聚类问题，因此，我们又提出了层次平行坐标的可视化聚类方式。层次平行坐标首先是通过层次聚类方法，本文采用BIRCH算法，将数据集层次化，然后再层次结构进行可视化以达到可视化整个数据集的目的。在平行坐标中我们利用平行坐标的各种交互技术和方法实现用户最大程度的参与聚类过程。充分利用大脑的模式识别能力，使聚类过程可见可控，聚类结果可信可靠。3）为了达到可交互目的，本文提出一种基于通道的适合ECG波形聚簇可视化的方法，该方法是对聚好的结果进行可视化，提供了一种定性评价方法。同时可以把该方法中形成的通道认为是类型模板，用于ECG波形分类，为ECG的模板分类方法提供了一个新的思路。实验证明该聚类策略能够较好的实现ECG病变波形的分类与提取，满足动态心电图自动分析诊断要求，大大降低了特异性波形的错判率。