随着数据挖掘的不断发展,可视化数据挖掘逐步兴起。借助可视化技术,可以在数据挖掘过程中更清晰地观察数据的分布结构、了解数据之间的关系、理解数据挖掘的过程和结果甚至直接参与数据挖掘过程。分类是数据挖掘中的一项重要任务,根据已知类别的数据集(训练集)建立一个分类模型,然后将未知类别的数据进行分类。其中决策树方法以其直观性和易用性深受欢迎,但建树过程中人几乎不能参与交互。受决策树的启发,本文提出了一种极其直观简洁的分类算法——扫描分支决策树算法(Scanned-Branch Tree, SBTree),不对数据集进行分裂,而是对数据集中的每一维进行扫描,直接从属性中提取决策分支,最终的分类模型是一棵单枝多叶状的决策树,其实质是一个有次序的规则序列集。在实验证明了SBTree有效性的基础上,将其与平行坐标相结合,用于可视化交互分类,用户可以在平行坐标的属性轴上可视化地寻找并提取SBTree决策分支,以全程交互的方式建立分类模型。这个过程不但使用户加深了对训练集的理解,而且增加了用户对分类模型的信任,交互过程中,人的领域知识和主观能动性也得到了极大的发挥。作为一种新的可视化交互分类方法,本文用实例说明了基于平行坐标的可视化交互分类的有效性和可行性,并讨论了这种交互分类在处理各种类型数据集时可以采用的途径,尝试使这种可视化交互分类方法成为一个体系,在这个体系下,凡是可以由传统决策树处理的问题,都可以使用SBTree可视化交互地处理。