1.一种大规模联邦多视图聚类方法，实施于服务器和多个客户端，其特征在于，所述方法包括：客户端获取视图数据，基于所述视图数据的线性核矩阵生成本地数据表示；服务器集成各客户端的本地数据表示并进行聚类，得到一致标签和聚类中心，将所述一致标签作为各客户端的伪标签，将所述聚类中心正交化得到一致中心矩阵，分割一致中心矩阵并将分割结果分别作为各客户端的中心矩阵；以最大化各客户端本地数据表示与线性核矩阵的一致性、本地数据表示与伪标签和中心矩阵的一致性以及服务器的集成数据表示与一致中心矩阵和一致标签的一致性为目标，以本地数据表示正交约束和中心矩阵正交约束为约束条件，构建目标函数；根据预先设置的循环优化策略求解所述目标函数，服务器根据当前的一致标签和一致中心矩阵进行可视化以显示聚类结果；所述目标函数为： ；其中， 为矩阵的迹， 为线性核矩阵， 为第 个客户端对应的本地数据表示， 为 维单位矩阵， 为聚类的类别数量， 为客户端数量， 为转置运算， 为超参数， 为样本数量， 为第 个客户端对应的伪标签， 为第 个客户端对应的中心矩阵， 为一致中心矩阵， 为一致标签， 为将所有客户端的本地数据表示水平连接后得到的统一的数据表示。
2.根据权利要求1所述的方法，其特征在于，所述根据预先设置的循环优化策略求解所述目标函数，服务器根据当前的一致标签和一致中心矩阵进行可视化以显示聚类结果包括：各客户端求解所述目标函数中的本地数据表示和伪标签，并将更新后的本地数据表示和更新后的伪标签发送至服务器；服务器根据各客户端更新后的本地数据表示和更新后的伪标签求解所述目标函数中的一致标签和一致中心矩阵，得到新的一致标签和新的一致中心矩阵，根据新的一致标签和新的一致中心矩阵对各客户端的伪标签和中心矩阵进行更新，并发送至各客户端；客户端与服务器循环优化，迭代更新一致标签和一致中心矩阵，直至满足预先设置的迭代停止条件时，停止迭代，服务器根据当前的一致标签和一致中心矩阵进行可视化以显示聚类结果。
3.根据权利要求2所述的方法，其特征在于，各客户端求解所述目标函数中的本地数据表示和伪标签，包括：固定所述目标函数中各客户端的伪标签，得到第一目标函数，求解所述第一目标函数中的本地数据表示，得到新的本地数据表示；固定所述目标函数中各客户端的本地数据表示，得到第二目标函数，求解所述第二目标函数中的伪标签，得到新的伪标签。
4.根据权利要求2所述的方法，其特征在于，服务器根据各客户端更新后的本地数据表示和更新后的伪标签求解所述目标函数中的一致标签和一致中心矩阵，得到新的一致标签和新的一致中心矩阵，包括：服务器根据各客户端更新后的本地数据表示得到新的集成数据表示；根据新的集成数据表示和各客户端更新后的伪标签更新一致标签，得到新的一致标签；根据新的集成数据表示和新的一致标签更新一致中心矩阵，得到新的一致中心矩阵。
5.根据权利要求1所述的方法，其特征在于，基于所述视图数据的线性核矩阵生成本地数据表示包括：对视图数据的线性核矩阵进行奇异值分解，根据 个最大奇异值对应的左奇异向量得到本地数据表示，其中， 为聚类的类别数量。
6.一种大规模联邦多视图聚类系统，其特征在于，所述系统包括服务器和多个客户端；客户端用于获取视图数据，基于所述视图数据的线性核矩阵生成本地数据表示；服务器用于集成各客户端的本地数据表示并进行聚类，得到一致标签和聚类中心，将所述一致标签作为各客户端的伪标签，将所述聚类中心正交化得到一致中心矩阵，分割一致中心矩阵并将分割结果分别作为各客户端的中心矩阵；所述服务器与各客户端还用于根据预先设置的循环优化策略对预先构建的目标函数进行求解，服务器根据当前的一致标签和一致中心矩阵进行可视化以显示聚类结果；所述目标函数以最大化各客户端本地数据表示与线性核矩阵的一致性、本地数据表示与伪标签和中心矩阵的一致性以及服务器的集成数据表示与一致中心矩阵和一致标签的一致性为目标，以本地数据表示正交约束和中心矩阵正交约束为约束条件；所述目标函数为： ；其中， 为矩阵的迹， 为线性核矩阵， 为第 个客户端对应的本地数据表示， 为 维单位矩阵， 为聚类的类别数量， 为客户端数量， 为转置运算， 为超参数， 为样本数量， 为第 个客户端对应的伪标签， 为第 个客户端对应的中心矩阵， 为一致中心矩阵， 为一致标签， 为将所有客户端的本地数据表示水平连接后得到的统一的数据表示。
7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
