1.一种深度聚类的方法，其特征在于，第一深度聚类模型的输出层包括一个或多个第一神经元，所述一个或多个第一神经元用于输出原始数据的一个或多个第一分类，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述第一神经元输出的一个或多个第一分类的数量为预先设定。
3.根据权利要求1所述的方法，其特征在于，所述原始数据包括图片数据、文本数据、语音数据、医学影像或视频数据。
4.根据权利要求1-3之一所述的方法，其特征在于，通过以下步骤获得所述第一目标分类对应的至少两个数据之间的相似性：
5.根据权利要求1-4之一所述的方法，其特征在于，所述拆分条件包括：
6.根据权利要求5所述的方法，其特征在于，所述拆分的阈值为ts：
7.根据权利要求1-6之一所述的方法，其特征在于，所述第二深度聚类模型输出层的多个第二神经元的每个权重均为所述目标神经元的权重与高斯噪声的叠加值。
8.根据权利要求1-7之一所述的方法，其特征在于，所述方法包括训练所述第二深度聚类模型：
9.根据权利要求1-8之一所述的方法，其特征在于，根据训练后的所述第二深度聚类模型输出所述原始数据的第二分类。
10.根据权利要求1-9之一所述的方法，其特征在于，在第一目标分类对应的至少两个数据之间的相似性无法满足拆分条件的情况下，所述方法还包括：
11.根据权利要求10所述的方法，其特征在于，所述聚合条件包括：
12.一种深度聚类的方法，其特征在于，第一深度聚类模型的输出层包括多个第一神经元，所述多个第一神经元用于输出原始数据的多个第一分类，所述方法包括：
13.根据权利要求12所述的方法，其特征在于，在所述多个目标分类对应的数据之间的相似性不满足聚合条件的情况下，所述方法还包括：
14.一种深度聚类的装置，其特征在于，用于执行如权利要求1-11所述的方法，包括：
15.一种深度聚类的系统，其特征在于，所述系统包括：
16.一种计算设备，其特征在于，所述计算设备包括处理器和存储器；
17.一种计算设备集群，其特征在于，包括多个计算设备，每个计算设备包括处理器和存储器；
18.一种包含指令的计算机程序产品，其特征在于，当所述指令被计算设备集群运行时，使得所述计算设备集群执行如权利要求的1-11任意一项所述的方法，或权利要求12-13任意一项所述的方法。
19.一种计算机可读存储介质，其特征在于，包括计算机程序指令，当所述计算机程序指令由计算设备执行时，所述计算设备执行如权利要求的1-11任意一项所述的方法，或权利要求12-13任意一项所述的方法。