近年来,肿瘤逐渐成为威胁全球人类健康的难治之症之一。临床医学数据表明,肿瘤病例中80%的病患都与生活的环境因素有关。同时工业化进程的加快,使得某些企业污染源往往会向环境中排放大量未经处理的污染物,这些污染源严重影响了周围的环境。肿瘤发病率的不断增长和生活环境的变化,使得人们越来越关注环境因素对肿瘤疾病的影响,居民在选择住宅区时,往往更加关注周围生活环境中是否存在污染源,污染源与居民住址间存在的关系逐渐成为人们生活的焦点问题。如何利用现有的技术分析出污染源与病患住址在地理位置上存在的相互关系,这对污染源的建设选址具有一定的意义。基于上述背景,本文主要研究的是污染源与肿瘤病患住址在空间位置上的相互关系,分析污染源与病患住址间的最小安全距离,在此基础上给出了基于colocation模式的污染源与病患住址间关系的挖掘方法。首先,本文根据传统空间co-location模式挖掘方法中随着距离阈值越大,模式越容易频繁的性质和本文提出的挖掘方法,给出了污染源与病患住址间最小安全距离的挖掘框架。其次,给出了最小距离(min_dist)和带最小距离的频繁模式的相关定义。应用平面扫描技术求解出空间实例间的距离,在最大参与率挖掘算法的基础上给出了最小安全距离的挖掘方法(MSDM)。采用百度地图Geocoding API将已有的肿瘤病患的结构化详细住址正向解析为地理坐标点,百度POI检索关键字获取出病患住址附近污染源的相关数据,并对提取的数据集进行了整理。最后,在获取的真实数据集上构建了污染源与病患住址关系的实验框架。将挖掘结果进行可视化展示和分析,最终得出污染源与病患住址间的最小安全距离,从而验证了本文提出的挖掘方法和框架的可行性和有效性。