苏晓明，斯 琴，王海波，董建敏

（1. 内蒙古工业大学数据科学与应用学院，内蒙古 呼和浩特 010000；2. 内蒙古自治区纪检监察大数据实验室，内蒙古 呼和浩特 010000）

0 引言

聚类是通过学习分析数据的潜在分布，进而将相似的样本划入相同的簇。它是数据科学以及机器学习领域中的一个重要研究方向。传统的聚类算法包括基于划分的K-均值算法[6]、基于层次的 CURE算法[7]、基于概率分布的 EM 算法[8]以及基于密度的DBSCAN算法[9]。但是对于高维数据集，传统的聚类算法很难达到理想的聚类效果，会需要很高的内存消耗。虽然目前也有相关方法对原始高维数据进行降维，但是只能进行线性降维，而不能进行非线性关系映射处理。针对该问题，基于深度学习的聚类算法引发了众多学者的研究兴趣，它使用不同的非线性函数降维，减少噪声数据，提高数据有效性。

深度聚类算法的主要思想是将聚类目标融合进数据表达里面。例如Bo等[3]首次提出了深度聚类网络（Deep Clustering Network，DCN），它采用栈式自动编码器对数据进行非线性降维，使用包含K-均值原理[6]的损失函数去训练模型，使得模型更容易对数据进行K-均值划分。深度嵌入聚类网络（Deep Embedding Clustering，DEC）[4]通过 KL散度损失函数使得自动编码器生成的数据表达更接近聚类的中心，提高了内聚性。改进的深度嵌入聚类网络（Improved Deep Embedding Clustering，IDEC）[5]在 DEC模型的基础上添加了重建损失函数来帮助模型学习到更好的表达。但是这些方法只提取了有效的数据表达，没有考虑到数据结构信息对聚类目标准确性的影响。……