1.一种改进k-means算法的噪声数据去除方法，具体包括：(1)采集空气温度数据，利用最远优先策略选出k个聚类中心作为当前聚类中心，k为自然数；

(2)根据当前聚类中心对所有的空气温度数据进行聚类，将每个空气温度数据聚到离它最近的聚类中心表示的聚类簇中；

(3)计算当前每个聚类簇的均值作为新的聚类中心；

(4)判断新的聚类中心与上一次的聚类中心是否相同，若是，执行步骤(5)，若否，将新的聚类中心作为当前聚类中心，循环步骤(2)～步骤(4)；

(5)计算所有新的聚类中心中任意两个聚类中心之间的距离；

(6)判断任意两个聚类中心之间的距离是否大于设定的环境阈值，若是，执行步骤(7)，若否，执行步骤(8)；

(7)将任意两个聚类中心之间的距离大于设定的环境阈值的那部分簇筛选出来，然后将空气温度数据的数量较少且空气温度数据的均值偏离正常值较远的那一簇删除；

(8)输出不存在噪声数据。

2.根据权利要求1所述改进k-means算法的噪声数据去除方法，其特征在于：在步骤(1)中，利用最远优先策略选出k个聚类中心的步骤为：(1-1)对于所有的空气温度数据，随机选择一个空气温度数据作为第一个聚类中心；

(1-2)计算所有不是聚类中心的空气温度数据到聚类中心集合的最小距离；

(1-3)将当前最小距离数组中最大的值所对应的空气温度数据标记为聚类中心；

(1-4)判断聚类中心的个数是否小于k，若是，执行步骤(1-2)～步骤(1-4)，若否，输出k个聚类中心。

3.根据权利要求2所述的改进k-means算法的噪声数据去除方法的实施系统，其特征在于：在步骤(1-2)中，计算所有不是聚类中心的空气温度数据到聚类中心集合的最小距离的公式为：D(x,Y)＝min{d(x,y)|y∈Y}

其中，Y为聚类中心的集合，d(x,y)为标准化的欧式距离公式。

4.根据权利要求1所述的改进k-means算法的噪声数据去除方法的实施系统，其特征在于：包括置于底层的多组无线传感器、置于中间层的嵌入式网关以及置于顶层的B/S结构；

无线传感器将采集的信号发送到嵌入式网关，嵌入式网关响应服务器的请求并将接收到的信号发送给B/S结构，B/S结构对接受的信号进行处理，完成噪声数据的去除。

5.根据权利要求4所述的改进k-means算法的噪声数据去除方法的实施系统，其特征在于：所述的无线传感器内设有ZigBee无线发射模块，将采集到的信号发送到中间层的嵌入式网关。

6.根据权利要求4所述的改进k-means算法的噪声数据去除方法的实施系统，其特征在于：在B/S结构中，传感器上传的数据按其类型分类，分别存入不同的数据表，当进行去噪操作时，用户通过选择日期来对相应日期的数据进行去噪操作，并以折线图的形式展示去噪前后的环境数据变化情况，当用于综合应用时，将分类模块隐藏，设置为定时操作，对前一天的所有数据进行一次去噪操作。