深度聚类方法（Deep clustering，DPCL）是由三菱电机研究实验室联合哥伦比亚大学的研究团队于 2015 年 8 月提出的，相关研究成果发表于论文「Deep clustering: Discriminative embeddings for segmentation and separation」。

DPCL 是为了解决声源分离问题提出的深度学习框架。当在包含两位说话人混合的频谱图特征上进行训练，并在一组未参与训练的说话人混合上进行测试时，该框架能够推断出掩蔽函数，从而将信号质量提升约 6 dB 。 DPCL 无需类别标签，因此有潜力在各种声音类型上进行训练。