边捆绑是图可视化中用于解决视觉混乱问题的重要方法,也是图布局优化中常用的手段之一。面对当今大规模的数据,图可视化研究难免会面临视觉混乱问题,这个问题也是当今图可视化研究的一个热点。本文系统地分析了现阶段已有的边捆绑算法研究工作,并针对已有的算法在捆绑中未对重要内容进行区分的问题,提出基于内容重要性边捆绑的图可视化算法,并针对现有三维空间内边捆绑算法较少、在三维环境中对地理信息数据没有较好支持的问题,结合内容重要性边捆绑算法的优点提出基于期望的力引导三维边捆绑算法。实验表明,本文提出的算法可在消除视觉混乱的同时有效地确保边簇不会相互影响,在三维空间内对三维地理信息数据的边捆绑效果良好。本文主要工作和贡献如下:(1)对视觉混乱解决方法进行了总结及分析:分析了已有边捆绑算法,总结了各算法计算的通用流程,系统地分析了流程中不同算法在不同部分的实现思想,分析了各算法的适用性及优缺点,并对图的重要内容提取进行了简单描述。(2)提出基于内容重要性边捆绑的图可视化算法:提出关联点、关联边和关联度计算模型,并提出改进的力引导算法,使其与关联度信息相结合,结合特定的边捆绑方案对边进行捆绑,保证捆绑后重要内容的相互独立。(3)提出基于期望的力引导三维边捆绑算法:提出期望模型,并以此将力引导算法进行改进,提升了力系统的稳定性,保证了算法在数据量纲较大的三维空间中的有效性,同时此模型支持规则地扩展,可在与三维环境相结合时,完成三维空间中地理信息数据图可视化地边捆绑。