使用python集群/查找类似的热图

我有以下热图的示例图像（我有数百张这样的图像…现在，它将在以后增长）：

用我的人眼，我会说热图1，3和4彼此相似，或者3和4彼此最相似，我不确定

我希望能够根据模式和强度将最相似的热图数据分成不同的组

例如，每个热图包含24行和5列（行表示时间，列表示要素）。每列中的每种颜色表示0到1之间的数字。第1列中热图3和4的模式和强度与其他热图相比更为相似。但是，我不想看每一列，而是想比较每个热图的整体模式和强度

我原以为我要使用kmeans集群，但找不到任何可以帮助我实现目标的信息。据我所知，我的搜索结果是相当多的层次聚类，这对我没有帮助

然后，我找到了一些关于图像哈希的信息。读一读，它似乎可以帮助我解决我的问题

在我进一步阅读和学习之前，我有几个问题/困惑需要解决，这样我可以进一步投入时间学习和阅读更好的方法来解决这个问题

我的问题/困惑：

解决这个问题的最佳方法是什么？kmeans或image 散列

甚至可以使用kmeans来实现这一点吗

---

欢迎使用任何其他方法。

您可以将此问题视为24 x 5=120维（或特征）数据点的群集问题。确保以相同的方式展平每个数据点（row1row2row3…连接或col1col2col3…连接，只选择一个并保持一致）。您可以为每个数据点获取这120个特征，并使用K-means或任何一种分层聚类族方法或任何其他聚类方法对其进行聚类（例如，哈希也可以是一种聚类类型，其中相似度由哈希函数确定）

对于相似性度量，您可以尝试使用欧几里德距离或余弦相似性作为度量（或任何其他度量，例如对称KL散度等）。余弦相似性+K-均值变成球形K-均值，在文档聚类中非常流行（文档中的每个单词都被视为特征）

要选择簇的数量（即K-means中的K或分层簇中的密度图高度），可以使用弯头方法

---

希望这能有所帮助。

在对任何数据执行聚类之前，您应该先弄清楚您的相似性度量是什么。换句话说，是什么使两个热图相似？此外，您应该问问自己是什么使热图非常不同。您可能还想向自己澄清集群对您的案例意味着什么。回答这些问题后，您可以选择适当的度量和聚类方法。（人们通常不会经历这个过程，要么是因为他们不知道足够的聚类方法，要么是因为他们懒惰。或者有时他们只是不想对他们得到的结果做任何假设。然后他们要做的是尝试一些在编程语言中实现的聚类方法，希望软管方法将满足其需求）

下面列出了在选择聚类方法之前，您可能想问自己的一些问题：

• 如果热图A是热图B的旋转，你会说它们相似吗
• 如果热图A是热图B的反射，你会说它们相似吗
• 如果热图A是热图B的移位版本（翻译），你会说它们相似吗
• 如果热图A是热图B的负数，你会说它们相似吗
• 值差为0.01的两个像素是否与值差为0.9的两个像素相同
• 如果热图A和热图B相同，除了一个非常不同的像素外，你们会称它们为相似的吗？还是不同
• 如果热图A的像素值都正好是热图B像素值的一半，你会说它们相似吗
• 如果热图A和热图B非常相似，热图B和热图C非常相似，A和C也相似吗
• 一个集群是否可以包含两个彼此不太相似的热图，前提是存在与这两个热图足够相似的第三个热图
• 热图是否可以属于多个群集

回答这些问题将帮助您，例如，回答以下问题：

• 我应该使用模糊聚类还是硬聚类
• 在所有热图的空间上，我的度量的公式是什么
• 我的聚类方法依赖于三角形不等式吗
• 我的聚类方法应该允许扩展的连续聚类（在特征空间中查看），其中每个成员仅与其邻居相似，还是所有聚类都需要彼此相似

---

（选择聚类方法还取决于它的复杂性、它在大量数据上的性能、它是否能够并行、它是否能够为您提供分层聚类、它的结果是否允许对新的热图进行简单分类等等）

定义相似性度量。。。什么是相似的？我用一个例子更新了我的问题。如果有帮助，请告诉我。