针对如何充分融合多视图数据的互补性和多样性信息以提高聚类性能的问题，提出一种基于自适应加权共识自表示的多视图子空间聚类模型.首先，引入稀疏互斥性学习视图特定的稀疏自表示矩阵，再利用自适应加权学习多视图共识自表示矩阵以融合各视图所学到的自表示；其次，将多视图共识矩阵与聚类指示矩阵的学习整合到一个统一的优化模型，使自表示学习与聚类达到相互促进的效果；最后，在6个常用的多视图数据集上进行实验，并与9种相关方法进行对比.实验结果表明，该方法的信息融合效果明显，聚类效果有提升.