本发明涉及机器学习和数据挖掘领域，特别是一种基于联合熵尺度加权和块对角正则的鲁棒多核子空间聚类算法。提出一种用于数据聚类的鲁棒多核子空间聚类（JNKSC）方法，该算法包括：使用特征映射将数据映射到希尔伯特空间H；使用核技巧构成核池，共包含12个基核；对核池使用熵尺度加权策略，得到新的共识核H；引入BDR和自表达框架，致力于得到最优块对角结构的关系矩阵Z;利用共识核H和最优关系矩阵Z，构成目标函数，用于聚类。本发明利用基于熵尺度的自加权策略来更新迭代基核并得到具有更好数据特征的共识核，提高对非高斯噪声的鲁棒性，利用BDR和自表达框架，提高亲和矩阵的块对角性，提高谱聚类的聚类结果。