针对模糊C-均值聚类算法对孤立点、随机初始化的聚类中心比较敏感的问题，将堆叠稀疏自编码与传统模糊C-均值聚类算法相结合，对传统模糊C-均值聚类算法进行了改进。由于堆叠稀疏自编码可以提取原始数据集从低层到高层的特征，而高层的特征通常比原始数据集更能反映待聚类样本的本质特征，用其代替原始数据集进行聚类，有助于提高聚类的效果。利用改进后的算法在UCI的几个标准数据集上进行实验，结果表明改进后的算法是有效可行的。