Los métodos de agrupamiento multi-vista basados en grafos buscan explorar los patrones de partición utilizando un grafo de similitud. Sin embargo, muchos métodos existentes construyen un grafo de similitud de consenso basado en el espacio multi-vista original, lo que puede resultar en la falta de información sobre el espacio subyacente de baja dimensión. Además, estos métodos a menudo no logran manejar de manera efectiva el ruido presente en el grafo. Para abordar estos problemas, se propone un nuevo método de agrupamiento multi-vista basado en grafos que combina la incrustación espectral, la aproximación de rango bajo no convexa y el procesamiento de ruido en un marco unitario. En detalle, el método propuesto construye un tensor apilando el producto interno de las matrices de incrustación espectral normalizadas obtenidas de cada matriz de similitud. Luego, el tensor obtenido se descompone en un tensor de rango bajo y un tensor de ruido. El tensor de rango bajo se restringe mediante una aproximación no convexa de tensor de rango bajo y se propone una nueva norma de Cauchy con un límite superior para manejar el ruido. Finalmente, derivamos el grafo de similitud de consenso a partir del tensor de rango bajo desruidizado. Los experimentos en cinco conjuntos de datos demuestran que el método propuesto supera a otros métodos de vanguardia en cinco conjuntos de datos.