Fuzzy C-Means es un algoritmo de agrupamiento ampliamente utilizado en muchas aplicaciones. Sin embargo, su complejidad computacional es muy grande, lo que impide su uso para instancias de problemas grandes. Por lo tanto, se propone una mejora híbrida para el algoritmo, que reduce considerablemente el número de iteraciones y, en muchos casos, mejora la calidad de la solución, expresada como el valor de la función objetivo. Esta mejora integra dos heurísticas, una en la fase de inicialización y la otra en la fase de convergencia o el criterio de convergencia. Esta mejora se llamó HPFCM. Se diseñó un conjunto de experimentos para validar esta propuesta; para ello, se resolvieron cuatro conjuntos de datos reales de un repositorio prestigioso. Las soluciones obtenidas por HPFCM se compararon con las del algoritmo Fuzzy C-Means. En el mejor caso, se observaron reducciones de un promedio del 97.65% en el número de iteraciones requeridas y una mejora en la calidad de la solución del 82.42% al resolver el conjunto de datos SPAM. Finalmente, consideramos que las heurísticas propuestas pueden inspirar mejoras en otras variantes específicas del propósito de Fuzzy C-Means.