本发明公开了一种基于多视角字典学习的图模型，使用主成分分析和线性判别分析对原始图数据进行数据降维及预处理，去除数据中的冗余特征的同时保留了数据的高判别性；接着利用多视角字典学习方法学习数据中蕴含的本质特征，并训练得到一个综合字典、一个分析字典、与样本相对应的稀疏编码以及一个SVM线性分类器；紧接着将样本的稀疏编码输入SVM分类器，分类器处理之后按多视角原理产生多个不同视角下的预测标签；预测出的多视角标签利用投票机制进行综合，产生最终的样本标签并用于模型准确率的计算；本发明具有信息利用率高、决策更高效、专用性强等优点。