针对现有协同模糊C均值算法（CFC）的协同系数不能充分描述数据子集间协同关系的问题，提出K-近邻估计协同系数的协同模糊C均值算法[(βK-CFC)]。用模糊C均值算法（FCM）求出各数据子集的隶属度和聚类中心;其次设定近邻数，求出子集在各聚类中心处的密度，形成密度矩阵；根据密度矩阵的相关性设定变化的协同系数;最后用变化的协同系数进行协同聚类。实验证明K-近邻估计协同系数的协同模糊C均值算法[(βK-CFC)]能够充分描述数据子集间的协同关系，聚类性能较好。