【摘要】该文针对融合数据特征或结构表示的自监督聚类任务，进行了教学实验设计，提出一种基于图结构融合的自监督聚类算法（GSFC）。首先利用K近邻将数据中潜在的关联关系建模为图结构，然后分别构建自编码器和图自编码器学习数据特征和结构表示，再设计自适应融合网络实现二者的逐层双向互补融合与传递，最后建立多分布联合自监督机制指导整体网络的协同训练。在六组公共数据集上的实验结果表明，GSFC显著提高了聚类性能，鲁棒性更理想。通过该完整的实验设计能够帮助学生理解图结构、自监督学习、聚类等基本理论和方法，培养学生理论联系实际能力和对科学研究的兴趣。