随着科学技术的发展,人们的生活被种类多样、形态各异的数据信息所包围,海量的数据信息以图形的形式展现出来供人类识别与交互,从而发现数据中隐藏的特征、关系和模式。但是,当高维度、大尺度、复杂度很高的数据通过视网膜变量映射于同一个页面并进行展示时,由于其展示空间有限,导致数据可视化在展示中无法将完整的数据信息全部呈现出来供用户读取。同时,由于人的认知能力有限,并非所有展示的可视化信息都可以被注意到并识别出。因此,在屏幕有限和认知有限的限制之下,数据可视化应以何种形式呈现与展示,是本课题研究的主要内容。本文的主要研究目的在于解决大数据空间局限性所带来的认知障碍和认知绩效问题,以人机交互、用户体验和认知心理学理论为指导,对数据的类型、视觉编码方式和可视化的类型进行分析,总结用户心智模型和概念模型的匹配和思维决策过程。从用户的角度出发,在对数据的维度、数据的结构和数据的图元映射的研究之上,针对数据维度,提出视觉引导的梯度结构渐进式分层方法;针对树结构和网结构,提出从宏观视角、关联视角和微观视角出发的分层方法;针对数据的图元关系,提出与心智模型相匹配的概念模型设计方法;从而提出基于目标导向的渐进式分层与交互方法以解决(缓解)高维数据可视化和屏幕有限之间的矛盾。最后,选取WIPO开源专利分析数据作为实践对象,应用提出的分层原则对该数据进行可视化设计,以验证基于目标导向的渐进式分层与交互方法的可行性。