El rápido desarrollo en tecnología de la información facilita la recolección de grandes cantidades de datos a través de la nube, internet y otras fuentes de información. La agrupación multivista es una forma significativa de agrupar datos multivista que pueden provenir de múltiples formas. El algoritmo de c-means difuso (FCM) para agrupar conjuntos de datos (de una sola vista) se extendió para procesar conjuntos de datos multivista en la literatura, llamado FCM multivista (MV-FCM). Sin embargo, la mayoría de los algoritmos de agrupación MV-FCM y sus extensiones en la literatura necesitan información previa sobre el número de agrupaciones y también están altamente influenciados por las inicializaciones. En este documento, proponemos un nuevo algoritmo de agrupación MV-FCM con un marco de aprendizaje no supervisado, llamado MV-FCM no supervisado (U-MV-FCM), de modo que pueda buscar un número óptimo de agrupaciones durante el proceso de iteración del algoritmo sin dar el número de agrupaciones de antemano. También es libre de inicializaciones y selección de parámetros. Luego utilizamos tres conjuntos de datos sintéticos y seis de referencia para hacer comparaciones entre el U-MV-FCM propuesto y otros algoritmos existentes y resaltar sus implicaciones prácticas. Los resultados experimentales muestran que nuestro algoritmo U-MV-FCM propuesto es superior y más útil para la agrupación de conjuntos de datos multivista.