基于空间序偶模式挖掘污染源与癌症病例的关系 .docx
版权申诉
11 浏览量
2022-06-26
16:12:58
上传
评论
收藏 356KB DOCX 举报
1 引言
癌症一直以来都是威胁人类身体健康的疾病之一 是全世界需要共同面对的
公共健康问题。根据世界卫生组织（）和癌症研究相关机构估计 年
在全球有 万新发病例和 万死亡病例与癌症相关若不采取有效的控制
措施预计到 年前全世界范围内每年将新增高达 万癌症病例
年将增至 万到 年这一数字将增至 万
。然而癌症治疗技术一
直以来发展缓慢始终没有质的突破所以通过治疗降低癌症致死率并不现实而在
计算机技术蓬勃发展的今天应用新兴技术通过预防降低癌症发病率已经可以实
现。研究癌症发病原因发现遗传因素大约占 而环境因素占比高达
以上
。因此研究生活环境中污染源与癌症病例之间的关系具有重要意义能为癌
症的预防和治疗提供帮助。
空间 （并置）模式是一组空间特征的一个子集其实例在空间中
频繁并置出现。例如医院附近往往都有药店西尼罗河病毒经常发生在蚊子泛滥、
饲养家禽的区域等。空间 模式挖掘是空间数据挖掘中的一项重要任
务其在医学影像、疾病防控、生态保护等领域均具有广泛的应用。在过去的数
十年里国内外学者分别提出了相应的空间 模式的挖掘方法
。
传统的空间 模式挖掘方法由用户给定一个邻近距离阈值来判定特征
的实例是否邻近在挖掘模式的过程中采用空间实例参与到模式实例的参与率度
量特征在模式中的重要性最后采用模式中特征的最小参与率作为模式参与度来
度量模式的频繁（有趣）程度最终获得频繁空间 模式。
然而在不同的应用背景下让没有相关领域知识的用户给出一个合适的邻近
距离阈值对用户来说是一个不小的挑战。如果用户给出一个不合适的邻近距离
阈值很容易造成邻近关系的缺失或错误从而导致挖掘结果不准确。为了避免用
户给出不合适的邻近距离阈值 可以引入 图来解决该问题。 图
由相邻生成元之间连线的垂直平分线组成的连续多边形构成与 图中的
其他生成元相比落入某多边形内的点都是距离该多边形的生成元最近的点。所
以基于这一性质无需用户给出具体的邻近距离阈值利用癌症实例集作为生成元
构造 图对污染源进行划分即可以找到离癌症病例最近的污染源。
另外空间 模式通常都是在基于参与度的基本框架下进行挖掘
但是根据参与度挖掘出的空间 模式可能会忽略特征之间的关系导致
挖掘出大量用户不感兴趣的模式增加用户的困惑。例如若用户想要了解污染源
与癌症之间的关系从而在选择居住地时能有效避开不适宜居住的区域。在传统
的模式挖掘框架下两个频繁空间 模式造纸厂采矿场和造纸厂淋
巴癌都会提供给用户但用户关注的是癌症可能会与哪些污染源有内在联系而
不是哪些污染源在空间上相互邻近且经常位于一起。所以相比于模式 造纸厂采
矿场模式造纸厂淋巴癌才是用户更加感兴趣的蕴含的信息也更有意义。再
例如若用户要研究昆虫与植物之间的关系从而利用昆虫对植物进行授粉来节约
人力成本提高果实产量。那么用户对模式榕小蜂无花果比对模式榕小蜂黄
猄蚁和无花果榕树更加感兴趣因为模式榕小蜂无花果蕴含的信息正是昆虫
与植物之间的关系信息。基于以上思考本文提出一种新的挖掘框架定义了频繁
强空间序偶模式新概念。
进一步分析传统的空间 模式挖掘都是基于团实例模型进行的
要求模式中的所有空间实例两两之间相互邻近。然而现实生活中癌症病例住址
剩余26页未读，继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3542
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
VIP享7折，此内容立减5.97元 开通VIP
