针对如何利用多视图数据中的隐含信息以及避免后续处理过程中带来的聚类性能次优问题，提出一种基于一致性和差异性的低秩张量多视图聚类算法.首先，该算法同时考虑视图的一致性和差异性信息，将多个一致性相似矩阵叠加在一个受低秩约束的张量中，以探索视图间信息的高阶相关性，从而得到更高质量的相似矩阵；其次，通过学习一个一致非负嵌入矩阵直接获得聚类结果；再次，采用自适应加权策略考虑不同视图数据的重要性；最后，通过在6个真实数据集上与其他算法进行对比实验，验证了该算法在多视图聚类问题上的有效性.