由于科学技术的持续发展,信息可视化越来越流行,它与人们的日常生活越来越紧密相关。信息可视化是一种研究大规模非数值型信息资源的视觉呈现的技术,旨在帮助人们理解和分析数据。信息可视化发展到现在已经产生了很多可视化方法,并且可视化技术已经应用到很多领域,例如金融、商业、文献、抽象概念等方面。然而,海量税务数据方面的可视化应用还很少。税务系统产生的海量税收业务管理数据,具有量大、复杂的特点,并且往往是多维的,现有的信息可视化方法都不能很好地满足其可视化需求。比如,采用平行坐标可视化方法的话,生成的可视化图表会出现异常混乱的现象,很难从中发现潜在的数据结构和数据模式。导致混乱现象的原因主要有两个,一个是税务数据的不完整性,即数据集的缺失值问题,另一个是相邻两个维度之间的联系不够紧密。针对这些问题,本文提出了一种处理不完整混合型数据的混乱度减少方法。具体而言,(1)提出了一种基于关联规则的缺失值填充方法,从而增强了数据的完整性;(2)给出了用于描述维度之间关联关系的离群点的定义以及相应的计算方法;(3)根据维度之间的相关性运用本文的算法得到最佳维度顺序,从而实现更好的平行坐标可视化效果;(4)给出了一种关于混乱的度量方法,将它作为一种评判可视化效果好坏的标准。最后通过实验对比了原始的平行坐标可视化方法与本文的基于不完整混合型数据的混乱度减少方法,实验说明了本文的方法具有更好的可视化效果。