针对如何有效利用多视图的多样性信息和高阶信息，并建立系数矩阵的学习过程与谱聚类之间联系的问题，提出一种基于多样性和谱嵌入的张量多视图子空间聚类算法.首先，在自表示张量部分采用张量自适应对数行列式正则化，从而能根据奇异值的大小自适应地选择逼近函数.其次，采用Hilbert-Schmidt独立准则衡量多样性，以确保不同视图的系数表示矩阵具有足够的多样性.再次，为避免谱聚类过程的独立进行，将其引入模型中联合学习，使低秩张量学习、多样性学习和谱嵌入学习在一个统一的框架内进行.最后，通过在5个真实数据集上与10种优秀算法进行比较，验证了该算法在提升聚类性能方面的有效性.