由于成对约束通常比标记信息更易于访问，因此成对约束传播在半监督学习中吸引了越来越多的关注。 大多数现有的成对约束传播方法都是基于规范的图传播模型，该模型在很大程度上取决于图的边缘权重，无法同时保持局部和全局一致性。 为了解决这个缺点，我们将交叉视图成对约束传播引入了低秩矩阵完成问题，并提出了一种用于交叉视图成对约束传播的矩阵完成方法。 通过低等级需求和图形正则化，我们的MCPCP可以同时预先保存本地和全局一致性。 我们开发了一种基于乘数交替方向法（ADMM）的算法来解决优化问题。 最后，在跨视图