고차원 데이터에 대해서는 일반적인 군집분석 방법을 활용한 데이터 군집화가 쉽지 않다. 따라서 차원축소를 먼저 시행한 후 군집화하는 방법을 이용해야 한다. 차원을 축소하는 한가지 방법으로 오토인코더를 적용할 수 있다. 오토인코더는 높은 차원의 데이터를 낮은 차원인 잠재 공간으로 축소시킨다. 따라서 오토인코더의 잠재 공간을 이용하여 군집분석을 하면 고차원 데이터에 대해서도 정확도 높은 군집화가 가능하 다. 본 연구에서는 대표적인 고차원 데이터라고 할 수 있는 다양한 이미지 데이터를 이용한 실험을 진행한다. 고차원 데이터에 대해 PCA와 오토인코더 방법들을 사용하 여 차원을 축소하고, 다양한 군집분석 방법들을 적용한다. 군집화 결과에 대해 적합 한 평가측도를 제안하고, 평가를 통해 고차원 데이터의 특성에 적합한 차원축소 및 군집화 방법을 연구한다.