当前,数据可视化技术在人工智能和数据科学领域中被广泛使用,研究者利用图形特征易于观察的特点,来发现原始数据中不易察觉到的数据联系。然而在当前实际的人工智能数据分析应用中,数据往往具有大数据量、高维度等特点,由于客观的屏幕的分辨率的有限性,将高维大数据完整地渲染在屏幕上几乎是做不到的,因而在低配置的通用硬件系统上实施可视化具有一定的难度。本文通过自适应当前屏幕的分辨率,依据在当前分辨率下能够实现可视化的数据规模对大数据量、高维度的原始数据进行抽样,并将抽样结果渲染在屏幕上。基于上述思想本文设计了大数据可视化系统,用户可以在训练人工智能模型前,通过使用经该系统处理之后的可视化结果,能够观察出原始数据的内部规律和数据特征,从而来预测训练数据的可用性。本文旨在设计并实现了一种大数据可视化系统,探讨其中诸多关键技术问题。主要工作内容包括:(1)通过一种保持相对子空间抽样算法将原始数据降低到当前分辨率可接受的数量范围。针对当前分辨率,对可视化图形中任意一个子空间,保持其相对的数据比例,从而使空间中的数据疏密程度能与原始数据保持一致。(2)通过一种粘滞邻域极值降维算法将高维数据降低到当前分辨率下可接受的维度范围。针对当前分辨率,对可视化图形中任意一个采样点的邻域,粘滞其图形边界极值,从而使可视化的视觉效果在变化趋势上能与原始数据保持一致。(3)通过本文设计开发的大数据可视化系统的预处理及渲染模块,使得分辨率自适应抽样的大数据可视化能够在低配置的通用硬件系统上能够有效实施。对于多个不同规模的数据集(包括大小为2.5TB的人类基因组纳米孔测序数据集),观察其在以雷达图为显示载体的大数据可视化系统下运行后的效果图,可以清楚地发现相同类别的共性与不同类别之间的差异。因此用户在进行人工智能模型训练前,使用本系统可以有效地预测训练数据的可用性,为后续工作获得更为准确的结论提供依据。