Dado los problemas relacionados con los grandes datos y los desafíos de preservación de la privacidad, la minería de datos distribuida (DDM) ha recibido mucha atención recientemente. Aquí, nos enfocamos en el problema de agrupamiento en entornos distribuidos. Se han propuesto varios algoritmos de agrupamiento distribuido para resolver este problema; sin embargo, estudios anteriores han considerado principalmente datos homogéneos. En este artículo, desarrollamos una estructura de autoencoder profundo doble para el agrupamiento en conjuntos de datos distribuidos y heterogéneos. Se utilizan tres conjuntos de datos para demostrar los algoritmos propuestos y mostrar su utilidad de acuerdo con el índice de precisión consistente.