现有的时态网络可视化方法大多采用等量时间片来可视化网络的演变,存在时间粒度难以确定、划分结果不能很好展示数据的真实特性、不利于时态模式的快速挖掘和发现等问题。针对以上问题,本文展开了基于自适应时间片划分的时态网络可视化方法研究,主要研究内容如下:(1)为了提高用户分析时态网络的效率,有效展示网络的结构特征和变化模式,本文根据时态网络固有的特征提出自适应时间片划分方法,该方法考虑时态网络固有的属性,在时间维度上对时态网络数据进行聚类,采用时态网络的两种表示方式(基于事件的表示方式和基于快照的表示方式)为基础构建了自适应时间片划分的基础模型,同时提出了一种改进模型用来描述事件间隔时间服从长尾分布的时态网络。同时,本文针对探索任务的不同对时间片进行了界定,提出了基于时态模式的自适应时间片划分规则和基于中心节点的自适应时间片划分规则,并提出了实现算法:快照标识算法、层次划分算法和增量划分算法。(2)为了有效展示由自适应时间片划分获取的不等量时间片,本文提出了与传统不一样的可视化框架,汲取动画和并置可视化方式的优点,让并置视图展示时态网络的不等量时间片,方便用户快速捕获时态网络的变化模式,同时结合动画或翻书的手段为用户提供更详细的时间片发展过程,为此,本文提出了基于美学标准的模拟退火布局算法和基于心智图的模拟退火布局算法。(3)对基于自适应时间片划分的时态网络可视化系统进行设计与实现。为了验证基于自适应时间片划分的时态网络可视化方法的有效性,本文分别对时间片划分和布局算法的效率和效果进行了实验验证和分析,同时对基于自适应时间片划分的时态网络可视化方法的实际应用进行了详细的实验分析。实验结果表明,自适应时间片划分方法比传统的时间片划分方法更能准确地表示网络的时态特征,基于美学标准的模拟退火布局算法和基于心智图的模拟退火布局算法在算法效率和布局质量上都达到较好的效果,且基于自适应时间片划分的时态网络可视化方法,能有效归纳并展示网络的特征,明显提高了视觉分析的效率。