1. 
算法向 
算法的扩展
在 
算法中，如果要将数据集合 
划分为 
个类，使得任意数据对象 
必须属于并且仅属于一个类，同时每一个类至少包含一个数据对象，那么可以用一个 
的矩阵 
来表示，矩阵中的任意一个元素 
可以表示为：
其中 
表示第 
个类。并且 需要满足如下条件 
：
如果上述矩阵 中的元素 的取值范围不仅仅是 0 或者 1，那么就可以推广到模糊集合上的划分， 就变成了模糊判定矩阵。此时 
需满足：
(1) 
2. 目标函数与聚类中心
算法在度量数据对象的非相似性（或者说距离）时一般使用欧几里得距离，要求每个类的聚类中心与数据对象的距离平方之和最小，目标函数可以表示为：
其中 
表示任意聚类中心，而聚类中心一般取类内所有对象在各属性上的平均值，因此可以表示为：
表示任意一个类。
将算法推广到模糊集后，
对样本与类中心之间的距离采用隶属度的平方来加权，
则进一步引入了隶属度的加权指数 
从而得到了新的目标函数：
(2) 
要使得 (2) 式达到最小值则要求聚类中心 和隶属度 满足如下条件：
(3) 
(4) 
3. 算法计算过程
见原文和代码实现