大多数功能数据以多变量的形式出现。目前，多元函数聚类方法往往采用数据拟合的方式来处理，不能充分提取各变量的公共信息和不同变量之间的互补信息。为了进一步提取各变量所包含的聚类特征信息，本文讨论了多角度学习框架下的多元函数数据聚类方法：构建了一个能够统一多元函数数据生成过程和各角度数据聚类特征提取的目标函数，提出了一种基于半非负矩阵分解的多元函数聚类模型，给出了交替迭代更新的求解算法。仿真结果表明，与现有的多变量函数聚类方法相比，该聚类方法的聚类性能有显著提高。以北京市空气质量监测站的应用为例，聚类结果表明，多视角方法在聚类精度和信息提取方面具有优势。