本发明公开了一种基于深度神经网络和成对约束的聚类方法，给定一个包含数据间成对约束的数据集；得到数据集样本间的差向量；构建一个自编码网络和一个深度神经网络；将数据集样本作为自编码网络的输入，输入的数据集样本作为自编码网络的输出训练网络，将自编码网络瓶颈处的输出作为深度神经网络的输入，成对约束作为正确标记训练网络；将训练过的自编码网络和深度神经网络结合到聚类算法上；使用聚类算法进行聚类任务。本发明结合了原始数据集中数据间的成对约束，通过自编码网络对输入数据进行降维操作和深度神经网络学习特征，并且提出了该网络模型的损失函数及其基于梯度下降的优化算法，有效提高了聚类算法的聚类精度。