本發(fā)明提出了一種深度強(qiáng)化圖像聚類方法，屬于圖像聚類與數(shù)據(jù)挖掘技術(shù)領(lǐng)域，1)預(yù)訓(xùn)練編解碼網(wǎng)絡(luò)，初始化潛在特征空間；2)采用傳統(tǒng)K?means方法在潛在特征空間對(duì)聚類質(zhì)心初始化，并為各質(zhì)心分配伯努利?邏輯斯蒂單元；3)計(jì)算該點(diǎn)與單元間的邏輯回歸參數(shù)和伯努利分布；4)利用獎(jiǎng)勵(lì)回歸策略動(dòng)態(tài)分配臨時(shí)獎(jiǎng)賞，聯(lián)合輔助目標(biāo)分布計(jì)算各質(zhì)心運(yùn)動(dòng)軌跡；5)計(jì)算權(quán)重，迭代優(yōu)化聚類單元直至滿足收斂條件，完成深度強(qiáng)化圖像聚類過(guò)程。本發(fā)明同時(shí)基于強(qiáng)化學(xué)習(xí)思想以獎(jiǎng)勵(lì)回歸策略聯(lián)合利用潛在特征表示和調(diào)整聚類質(zhì)心，充分將全部聚類信息尤其是臨近區(qū)域聚類信息作用于聚類分析的過(guò)程中，在環(huán)境與行為的交互中有效的改善聚類模糊的問(wèn)題，有效提升聚類性能。