Uno de los principales inconvenientes del conocido algoritmo de agrupamiento Fuzzy C-means (FCM) es la inicialización aleatoria de los centros de los clústeres, ya que puede afectar significativamente el rendimiento del algoritmo, sin garantizar una solución óptima y aumentando los tiempos de ejecución. En este documento proponemos una variación de FCM en la que los centros de clústeres óptimos iniciales se obtienen mediante la implementación de un algoritmo FCM ponderado en el que los pesos se asignan calculando una función de Entropía Difusa de Shannon. Los resultados de las pruebas de comparación aplicadas en varios conjuntos de datos de clasificación del Repositorio de Aprendizaje Automático de UCI muestran que nuestro algoritmo mejoró en todos los casos en relación con el rendimiento de FCM.