“网络”无处不在:社交圈中朋友关系是一张网络,因特网上网页链接关系是一张网络,真实世界里各国之间贸易往来也是一张网络,对网络数据进行深入剖析有助于人们理解埋藏于网络结构之下的知识和智慧。然而,传统的文字和表格形式已经无法满足日益庞大的网络数据分析和管理的要求,网络数据可视化是信息可视化技术中非常重要的一部分,它将充分利用人类感知系统,帮助用户理解网络数据结构,将网络数据以图形图像的形式展现出来,并从中挖掘更深层次的信息。本文在深入研究可视分析技术和社会网络分析技术的基础上,重点将两大经典力引导布局算法进行分析,提出了一种能展示社团结构信息的布局算法,辅助用户结合一定的先验知识进行后续的社团划分及关键节点分析,最终设计并实现了一个可视分析原型系统,实现了对社会网络中社团结构的可视分析。本文所做的主要工作如下:一、在深入学习社会网络分析及可视分析相关理论基础上,提出了适用于社会网络中社团结构的可视分析模型。二、为实现能够体现网络结构的布局效果,提出一套基于社会网络特性的布局效果评价体系,由美学规则、聚类效果、运行效率三部分组成,并设计实验对两大经典力引导算法——FR算法、KK算法进行综合评价。三、针对经典力引导算法存在的无法显示社会网络中社团结构信息的弊端,提出聚类效果更加优良的改进布局算法。该算法通过改进FR算法中的斥力及引力的受力公式,引入增量相似度的概念,实现在不对社会网络提前进行社团划分的情况下仅通过布局便能展示其中的社团结构。实验表明,该算法与传统力引导算法相比,在展示社会网络的聚簇性方面性能领先。在此改进算法的基础上,辅助用户做进一步的交互式的社团划分成为可能。四、设计并实现一个适用于社会网络中社团结构的可视分析系统,实现网络布局、社团划分、关键节点分析等辅助用户深入理解网络的可视化及交互功能。