1． 把FAMALE.TXT和MALE.TXT两个文件合并成一个，同时采用身高和体重数据作为特征，设类别数为2，利用C均值聚类和模糊C均值（FCM）方法对数据进行聚类，并将聚类结果表示在二维平面上。尝试不同初始值对此数据集是否会造成不同的结果。

对于将FEMALE.TXT和MALE.TXT两个文件合并成一个的任务，可以使用以下步骤：

1. 读取FEMALE.TXT和MALE.TXT两个文件的数据。
2. 将两个文件的数据合并成一个数据集，保留身高和体重作为特征。
3. 设定类别数为2，即需要将数据集聚类为两个类别。
4. 使用C均值聚类算法对数据集进行聚类。C均值聚类是一种迭代算法，根据初始的聚类中心，通过计算样本与中心的距离来更新聚类中心，直到收敛为止。
5. 使用模糊C均值（FCM）方法对数据集进行聚类。FCM是一种模糊聚类算法，通过给每个样本分配一个隶属度来表示其属于不同类别的程度。
6. 将聚类结果表示在二维平面上，可以使用散点图来展示不同类别的样本。

在进行聚类时，不同的初始值可能会导致不同的聚类结果。这是因为C均值聚类和模糊C均值算法都是基于迭代的优化算法，其结果受初始值的影响。为了得到较好的聚类结果，可以尝试多次运行算法，使用不同的初始值，并选择效果最好的聚类结果作为最终结果。

请注意，我是一个语言模型AI，无法直接执行代码。上述步骤是基于你的要求给出的一般性建议，具体实现还需要根据你使用的编程语言和相关库来进行调整和实现。希望对你有所帮助！