Co-location模式挖掘是找出频繁出现在一起的一组空间特征的集合.在传统的方法中,一般假定每个空间特征在模式中具有平等的地位,然而,当模式中存在稀有特征时,有些模式便无法被获取.若使用现有针对含有稀有特征的挖掘方法,一些不频繁的模式也会被挖掘出来.针对以上问题,本文提出了最小加权参与率的概念,在此新概念下,不但可以挖掘出带稀有特征的频繁co-location模式,而且可以排除不频繁的模式.此外,针对算法时间复杂度高的问题,根据加权参与率排序后的部分向下闭合性提出了一种有效的剪枝方法,大大地提高了算法的执行效率.实验表明我们的方法对带稀有特征的co-location模式挖掘问题是有效的.