多视角子空间聚类(MVSC)因其能够从多个视角提取信息并探索底层结构而受到越来越多的关注。总体而言,现有的大部分锚点策略解决了复杂度过高的问题,但是在亲和图传递到谱聚类的过程中存在信息丢失。另外,原始数据中的噪声导致学习到的锚点图不能充分表示数据特征。针对上述问题,该文提出了一种通过嵌入矩阵映射来保留原始数据分布的大规模多视角子空间聚类(LMVSC-EPM)算法。该算法利用质心矩阵和聚类分配矩阵直接得出聚类结果。具体而言,LMVSC-EPM使用嵌入矩阵将原始数据映射到嵌入空间,并采用视图共享锚点策略自适应地学习锚点。其次,采用非负正交矩阵将结果分配给聚类分配矩阵,避免了传递过程中亲和度矩阵的损失。除此之外,本文设计了一种交替最小化优化方法来解决优化问题。在七个基础数据集上的实验结果证明了所提方法的有效性和优越性。