本发明提供了一种基于深度矩阵的约束概念分解聚类方法，包括S10获取m个待聚类图像，并根据待聚类图像构造k个最邻近图；S20针对每个最邻近图得到相应的数据矩阵X，数据矩阵X中包括n个数据点，并使用非负矩阵分解方法对数据矩阵X进行分解得到特征矩阵W；S30对数据矩阵X中的p个数据点进行标记；S40基于特征矩阵W及标记数据点，建立约束概念分解的目标函数σ；S50根据目标函数σ，使用迭代加权的方法迭代预设次数，得到数据矩阵X深度分解的每一层的特征矩阵Wi和权重矩阵Hi，1≤i≤k；S60采用k‑means聚类算法分别对每个最近邻图得到的特征矩阵进行分析并聚类。该聚类方法利用标记与非标记的数据点，将标记信息作为约束强加给目标函数，大大提升了识别能力，提高了聚类的精确度。