工业污染对癌症影响的挖掘方法：改进的空间同位模式

张玲莉, 王丽珍, 杨培忠

Mining the Influence of Industrial Pollution on Cancer: An Improved Spatial Co-location Pattern

ZHANG Lingli, WANG Lizhen, YANG Peizhong

算法1 基于KDE模型的空间序偶模式挖掘算法 输入:1污染源空间数据集 P S，癌症空间数据集 C S 2拉伸系数 λ，风速 v 3污染源实例影响半径 r m i n、 r m i d、 r m a x；癌症病人活动半径 r c 4致癌系数 ε 1， ε 2， ε 3 5平滑因子 δ 6影响度阈值 m i n _ p i i 输出:所有频繁空间序偶模式 S O P P _ c 变量： P S _ l m C o n c：带有局部平均浓度信息的污染源实例集 g m _ C o n c S：污染源实例的全局平均浓度集 S N S：所有癌症实例的星型邻居集 k：模式的阶数 C k： k阶候选模式 i n s _ T k： C k的星型影响实例表集 P k： k阶频繁模式 步骤: 1 P S= get_wind_influence_PS( λ, v, P S) 2 P S _ l m C o n c = get_local_mean_Concentration( P S) 3 g m _ C o n c S = get_global_mean_Concentration( P S _ l m C o n c) 4 S N S= gen_star_neighbor_set ( C S , r m i n , r m i d , r m a x , r c , P S _ l m C o n c , g m _ C o n c S) 5 C 2= gen_candidate_patterns ( S N S) 6 k=2 7 WHILE( C k ≠NULL) i n s _ T k = gen_InsTable ( C k, S N S) P k = gen_prev_SOPP ( C k , i n s _ T k , ε 1 , ε 2 , ε 3 , δ , m i n _ p i i) S O P P _ c ← S O P P _ c ⋃ P k C k + 1= gen_candidate_patterns( S N S) k=k+1 8 RETURN S O P P _ c