随着生物学研究的进一步深入及单细胞RNA测序技术的发展,使得在细胞层面对样本数据进行聚类分析成为现实。将测序得到的单细胞样本测量值聚类成相关的生物表现型,是当今生物学研究的一项重要任务。然而经由RNA测序得到的生物数据不仅拥有超高的数据维度,并且由于RNA测序技术本身的局限性,导致每次测量出的基因表达数量有限,使得大量特征信息缺失,而为保持数据的完整性通常对缺失信息采用“0”填充,因此使得最终所获的数据中“0”占据了很大比重。超高维度和大量“0”信息使得传统聚类算法面对此类数据时很难取得良好的聚类效果,这对聚类算法提出了更高的要求。最近,Moe-Sim-VAE（基于数据相似度的混合专家变分自编码器）聚类模型因其适应复杂数据的灵活性和优异的聚类准确度受到了广泛关注。本文在此模型基础上针对生物数据的特点以及该模型的一些不足之处对其进一步改进优化,主要内容有以下两个方面:（1）针对测序所得生物细胞数据超高维度和高“0”占比的特点,本文借鉴Partial-VAE（部分变分自编码器）对缺失特征信息的处理方式提出了一种新的生物数据信息“maxpooling”处理机制,并将其应用在Moe-Sim-VAE的数据处理部分,实现了对聚类样本数据的去“0”和一定程度的降维。在模拟数据集更高的“0”占比（即更多特征信息缺失补“0”）实验中取得了优于Moe-Sim-VAE的聚类结果,提升了该模型的稳定性和鲁棒性。（2）针对生物数据特征提取效果不佳,以及为进一步提升模型的聚类准确度,本文将生物数据先采取随机森林方法进行特征选择初步降维,再将经特征选择处理后的数据通过KNN（K Nearest Neighbors）算法求取近邻并串起融合,从而让Moe-Sim-VAE模型可以提取到样本的空间结构特征。同时针对该模型在构建潜在表征的混合高斯分布时设定所有样本方差一致的局限性,本文采用全连接层去拟合分布的方差参数,让模型通过训练学习去自适应优化潜在表征的混合高斯分布。另外对改进后的模型提出了三种优化方式,多方面结合取得了优于Moe-Sim-VAE的聚类准确度。