La selección de características es un paso básico e importante en aplicaciones reales, como el reconocimiento facial y la segmentación de imágenes. En este documento, proponemos un nuevo método de selección de características débilmente supervisado de múltiples vistas utilizando restricciones por pares, es decir, el método de selección de características de múltiples vistas guiado por restricciones por pares (PCFS, por sus siglas en inglés). En este método, las proyecciones lineales de todas las vistas y un grafo de similitud consistente con restricciones por pares se optimizan conjuntamente para aprender proyecciones discriminativas. Al mismo tiempo, se impone una restricción de dispersión de filas basada en la norma - en la concatenación de proyecciones para la selección de características discriminativas. Luego, se desarrolla un algoritmo iterativo con convergencia teóricamente garantizada para la optimización de PCFS. El rendimiento del método propuesto PCFS fue evaluado mediante experimentos exhaustivos en seis conjuntos de datos de referencia y aplicaciones en agrupamiento de cáncer. Los resultados experimentales demuestran que PCFS mostró un rendimiento competitivo en la selección de características en comparación con modelos relacionados.