该文介绍了一种新的多视图聚类框架，通过优化特征子空间、重建学习和一致性学习等方法，避免了维度崩溃和私有信息的影响。实验结果表明，该方法在5个公共数据集上实现了最先进的聚类结果。

本文提出了一种新的不完整多视图对比聚类框架，通过优化潜在特征子空间和利用学习的特征向量及其子向量进行重建学习和一致性学习，有效避免了维度崩溃。同时，通过交叉视图预测机制恢复不完整数据，并使用最小条件熵丢弃不一致信息，进一步避免私有信息的影响。实验结果表明，该方法在5个公共数据集上实现了最先进的聚类结果。