针对邮政代理金融面临的活期存款客户行为变化和资产管理效率挑战，提出了一种基于变长时序矩阵的深度学习模型。通过动态时间弯曲与受限玻尔兹曼机相结合的方法，构建了一种新的客户行为分析模型，能够自适应地进行聚类分析，揭示活期存款客户的群体行为模式。为解决大规模未标记客户数据的挑战，引入了双模式输入的时序卷积网络，允许模型同时处理客户流水数据和资产数据。实验结果表明，模型能够高效识别潜在的流失客户，并为代理金融业务提供更精准的客户管理策略。