1.一种基于多样性和一致性学习的谱嵌入多视图聚类方法，其特征在于，具有包括如下步骤：S1、输入谱嵌入矩阵 其中v表示第v个视

图，V表示视图个数，F(v)是由第v个视图得到的谱嵌入矩阵，k表示数据类簇个数，N表示样本个数；

S2、构建基于多视图K均值模型用于多视图聚类：

s.t.Y∈Ind,α(v)＝1/2||F(v)T-U(v)(Y+R(v))T||F；

其中，U(v)为聚类中心矩阵，R(v)为聚类标签多样性部分，Y为聚类标签一致性部分，Ind表示{Y∈{0,1}N×k|Y1＝1}，Y1为元素全为1的列矩阵，α(v)为视图权重，T表示转置；

S3、构建基于行的多样性表征约束聚类标签多样性部分R(v)：其中，ri(v)、ri(w)分别表示第v、w个视图聚类标签多样性部分R(v)、R(w)的第i行，βvwi约束第v、w个视图聚类标签多样性部分R(v)、R(w)的第i行的多样性，使用如下逻辑函数计算：其中，fi(v)、fi(w)分别表示第v、w个视图谱嵌入F(v)、F(w)的第i行；

S4、构建基于多样性和一致性学习的谱嵌入多视图聚类的目标函数：s.t.Y∈Ind,α(v)＝1/2||F(v)T-U(v)(Y+R(v))T||F；

其中， 用于学习一个最优的聚类标签矩阵用于

多视图聚类， 用于约束聚类标签矩阵多样性部分之间的差异性，将使用l2,1范数使得模型对噪声具有鲁棒性，λ1和λ2是两个平衡参数；

S5、通过迭代优化策略优化求解目标函数，得到的矩阵Y即为最终多视图聚类标签矩阵。

2.根据权利要求1所述的谱嵌入多视图聚类方法，其特征在于：通过迭代优化策略求解目标函数，具体为使用交替迭代优化策略来搜索最优U(v)，Y，R(v)，包含步骤如下：S51、更新Y：在给定U(v),R(v),v＝1,2,...,V的情况下，Y的每一行通过解决以下问题得到：其中，ec为单位矩阵 的第c行；

S52、更新R(v)：当U(v),v＝1,2,...,V,R(w),w＝1,2,...V,w≠v给定，得到了下面的最小化问题：其中， R(v)的每一行通过如下公式更新：

S53、更新U(v):当Y,R(v),v＝1,2,...,V是固定的，U(v)可以通过如下公式更新：U(v)＝(F(v)TY+F(v)TR(v)){(Y+R(v))T(Y+R(v))}-1；

S54、返回步骤S51，交替迭代更新U(v)，Y，R(v)直至算法收敛，交替迭代次数不超过50次。

3.根据权利要求1所述的谱嵌入多视图聚类方法，其特征在于，步骤S5中求解目标函数所采用的迭代优化策略具体为采用K均值算法，该K均值算法被执行多次，每次进行K均值算法时，K均值算法初始参数U(v)是随机取值，从而减小随机初始化对聚类中心的影响。

4.根据权利要求2所述的谱嵌入多视图聚类方法，其特征在于，平衡参数λ1取值为{0.001 0.01 0.1 1 10 100 1000}中的任意一个，λ2取值为{1 10 100 1000}中的任意一个。

5.根据权利要求4所述的谱嵌入多视图聚类方法，其特征在于，在谱嵌入多视图聚类方法中λ1取值为1，λ2取值为10。