El agrupamiento es una técnica de aprendizaje automático no supervisado con muchas aplicaciones prácticas que ha despertado un amplio interés de investigación. Además de las técnicas determinísticas o probabilísticas, el agrupamiento por medias difusas (FCM) también es una técnica de agrupamiento común. Desde la aparición del método FCM, se han realizado muchas mejoras para aumentar la eficiencia del agrupamiento. Estas mejoras se centran en ajustar la representación de membresía de los elementos en los grupos, o en técnicas de difuminación y desdifuminación, así como en la función de distancia entre elementos. Este estudio propone un nuevo algoritmo de agrupamiento difuso que utiliza múltiples coeficientes de difuminación diferentes según las características de cada muestra de datos. El método de agrupamiento difuso propuesto tiene pasos de cálculo similares a FCM con algunas modificaciones. Las fórmulas se derivan para garantizar la convergencia. La principal contribución de este enfoque es la utilización de múltiples coeficientes de difuminación en lugar de un solo coeficiente en el algoritmo FCM original. Luego, el nuevo algoritmo se evalúa con experimentos en varios conjuntos de datos comunes y los resultados muestran que el algoritmo propuesto es más eficiente en comparación con el FCM original y otros métodos de agrupamiento.