最近,聚类方法在学习和视觉方面吸引了越来越多的关注。 深度聚类将嵌入和聚类结合在一起,以获得用于聚类的最佳嵌入子空间,与传统的聚类方法相比,它可以更有效。 在本文中,我们提出了一种用于判别性嵌入和频谱聚类的联合学习框架。 我们首先设计一个双重自动编码器网络,该网络对潜在表示及其嘈杂的版本实施重构约束,以将输入嵌入到潜在空间中进行聚类。 这样,学习到的潜在表示可以对噪声更鲁棒。 然后,利用相互信息估计从输入中提供更多的判别信息。 此外,采用深谱聚类方法将潜在表示嵌入到特征空间中,然后对其进行聚类,