随着技术的进步，数据通常具有多种形式或来自多种来源。 多视图聚类为从此类数据生成聚类提供了一种自然的方式。 尽管多视图聚类已经成功地应用于许多应用程序中，但是大多数以前的方法都假定每个视图的完整性（即，每个实例都出现在所有视图中）。 但是，在现实世界的应用程序中，通常有许多视图可供学习，但没有一个是完整的。 所有视图的不完整和可用视图的数量使得难以集成所有不完整的视图并获得更好的群集解决方案。 在本文中，我们提出了MIC（多不完整视图聚类）算法，该算法基于具有L2,1正则化的加权非负矩阵分解。