近年来癌症发生率逐年攀升,恶性肿瘤已成为致使人类死亡的不可轻视的病因。有学者指出,已知的恶性肿瘤中有80%-90%与环境因素具有不可分割的关系。随着工业化步伐加快,工业生产过程中排放的大量有害废物增加了环境化学性污染,对附近居民的生命健康造成极大威胁。为减少肿瘤对人类生命健康的危害,癌症的预防逐渐进入人们的视野。作为癌症预防研究的一部分,专家学者做了大量有关环境因素对肿瘤病症影响的研究。但这些研究要么从宏观上研究环境污染对肿瘤的影响,要么从微观上研究微环境因素对肿瘤的影响。研究虽然对癌症预防提供了专业的指导建议,但对于普通人来说,不具有实用性。因此,本文通过对污染源与肿瘤病患间的影响关系进行研究,以得出“XXX污染源对XXX肿瘤病症具有高度影响”这一具有明确指向性的结论。这类结论更易于普通人理解,对领域专家及普通人进行癌症的三级预防均具有重要的指导意义。基于上述考虑,本文对污染源与肿瘤病患在空间位置上的并置关系进行了分析,提出挖掘工业污染源与肿瘤病症间的高影响co-location规则。首先,对特征的影响特性加以考虑,定义了影响特征和参考特征,基于这两个概念,进一步引入一系列定义来描述影响co-location模式。其次,考虑了污染源对肿瘤病患影响的“距离衰减效应”,以及多类污染源对同一病患的叠加影响,设计了相关度量指标来测量从影响co-location模式导出的规则的影响度,并提出适用于挖掘污染源与肿瘤病症间影响关系的高影响co-location规则挖掘算法(HICR算法)。然后,就已有的肿瘤病例数据进行分类及其可视化,并利用高德API提供的接口获取相应区域的污染源数据,对肿瘤病例数据和工业污染源数据进行整合处理后得到本文的实验研究数据。最后,在真实数据集上,分别从挖掘结果、挖掘效率、挖掘到的数量等方面对HICR算法和传统的join-base算法进行对比分析,从而验证了本文所提出的HICR算法的正确性与高效性。同时,本文还对HICR算法所挖掘得到的污染源与肿瘤病症间的高影响co-location规则进行分析及可视化,说明了其对指导肿瘤预防的重要意义。