在高维数据中，一部分数据称作一个子集，而一部分的维度称作一个子空间。很多数据特征如数据结构、维度相关性等，会在不同的子空间里呈现不同的面貌。然而，这些子空间的特征往往隐藏很深，无法通过全局的数据分析来发现。用户需要深入探索各个子空间来发掘其中隐含的信息。针对这一挑战，我们做了大量的研究工作，旨在帮助用户探索不同层次的子空间，并分析其中的数据特征。

可视化在数据分析中起着重要的作用。然而，创造数据可视化需要一定的编程技术，普通用户往往只能望而却步。这既阻碍了数据的分析进程，也不利于可视化方法的推广应用。为解决这一难题，我们设计了在线的交互式可视化定制工具。利用这些工具，用户无需任何编程实现，即可通过点击、拖拽等简单的交互手段、快速地构建数据的可视化。此外，用户还可以创造各种新颖的可视化形式，并与其它用户分享、交流。我们的工具已投入实际应用，并获得了用户的一致好评。

平行坐标是一种经典的高维数据可视化方法。它将多个维度的坐标轴并列摆放，并利用穿过各轴的折线来表示数据的取值。因其形式的紧凑性和表达的高效性，平行坐标被广泛应用在实际的数据分析中。然而，这种形式也存在各种缺陷，如容易产生视图遮挡、交互不方便等等。我们针对这些问题做了许多研究工作，从形式、交互、分析等多个角度对平行坐标作了不同程度的改进。

随着定位技术的发展，时空数据已经成为一种十分普遍的数据形式。这类数据记录了人、交通工具、乃至地壳版块的活动情况，反映着其中各式各样的行为模式。除了时空信息，数据中往往也记录了对象在多个变量上的取值，以帮助分析人员了解行为模式产生的原因。对于这些高维信息，我们将高维数据可视化方法引入到时空数据的可视分析中，并产生了许多优秀的应用案例。

科学家在进行实验观测的时候，常常需要从多个方面收集实验对象的相关信息，以便后续的研究分析。科学数据中因而包含了大量的高维信息，需要利用有效的手段来处理。为此，我们将高维数据可视化方法与科学数据相结合，一方面提出了许多新颖的技术，另一方面也产生了很多优秀的应用案例。