E = Σ(i=1 to n)Σ(j=1 to k) uij^m ||xi - cj||^2

根据引用\[1\]和引用\[2\]中的公式，E的计算公式为E = Σ(i=1 to n)Σ(j=1 to k) uij^m ||xi - cj||^2，其中m是一个可以控制隶属度的参数。这个公式表示了每个数据点xi与聚类中心cj之间的距离的加权和，权重由隶属度uij的m次方决定。在每次迭代中，根据引用\[3\]中的公式，需要重新计算聚类中心ck，公式为ck = Σz u_k(x)^m x / Σx u_k(x)^m，其中uk(x)表示数据点x对聚类中心k的隶属度。通过迭代计算，可以不断更新隶属度和聚类中心，从而最小化E的值，实现聚类算法的目标。
#### 引用[.reference_title]
- *1* *2* *3* [Fuzzy C Means聚类算法python快速实现（非调包，运算速度快）](https://blog.csdn.net/OldDriver1995/article/details/125539545)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]