1.基于Merkle-tree的工业生产数据实体识别方法，其特征在于：其步骤为：步骤1)、针对工业生产数据的浮动性，利用矩阵及向量的性质，对数据进行相应的标准化处理，确保同一实体的数值型属性值相同；

步骤2)、计算各属性列的信息熵，获取属性敏感度强弱信息，去除敏感度低的属性，将其余属性根据敏感度降序排序；

步骤3)、提出一种链式结构，称作“St-Chain”。基于St-Chain对排序后的属性进行渐进式哈希编码，将哈希值相同的实体划分到同一块中；

步骤4)、对于步骤3)中得到的结构，继续计算各元组中后续属性的哈希值，根据哈希值异同，重复划分成块，最终得到实体识别结果。

2.根据权利要求1所述的基于Merkle-tree的工业生产数据实体识别方法，其特征在于：所述的步骤1)中具体方法为：

1)通过实体的标准名称对原始数据集进行采样，得到的样本集称为标准实体样本集S；

计算a(i)′·b＝{a(i)′·b(k1),a(i)′·b(k2)……a(i)′·b(k3)}，其中：a(i)′·b(key)＝{a(i)′·b(1),a(i)′·b(2)……a(i)′·b(k)}，a(i)′代表a(i)的转置；

元组向量集合a＝{a(i)|a(i)∈A，i＝1,2,3……n}；

标准实体矩阵集合b＝{b(key)|key:标准实体名称}，其中,矩阵b(key)＝{b(j)|b(j)∈S，j＝1,2,3……k}；

2)根据向量余弦公式 计算出每个向量a(i)′·b(key)中各个向量的余弦值，形成一个余弦值向量c(key)＝{cosθ1，cosθ2，cosθ3......cosθk}；

3)将每个向量c(key)中的元素求和，然后计算其平均值avg；

4)计算max(avg)，找出最大avg对应的标准实体，计算其各个属性平均值；

5)将对应的各属性平均值作为其标准值，完成数据标准化处理。

3.根据权利要求1所述的基于Merkle-tree的工业生产数据实体识别方法，其特征在于：所述的步骤2)中具体方法为：利用信息熵判定属性的敏感度，属性的信息熵越大，说明其属性值越多样化，区别实体的能力也就越强，即属性敏感度越高；信息熵公式如下：其中，pi是属性中某一属性值出现的概率；去除信息熵低的属性，根据信息熵大小，将属性降序排序，先计算敏感度大的属性哈希值。

4.根据权利要求1所述的基于Merkle-tree的工业生产数据实体识别方法，其特征在于：所述的步骤3)中具体方法为：

1)根据排序后的属性顺序，计算各元组中某个属性的哈希值；

2)根据哈希值异同，将数据化分成块，形成链式结构“St-Chain”。

5.根据权利要求1所述的基于Merkle-tree的工业生产数据实体识别方法，其特征在于：所述的步骤4)中具体方法为：

1)根据步骤3)得到的St-Chain结构，若结构中num大于1；则继续计算该块中后续属性哈希值，根据哈希值异同继续分块；若num＝1，说明该块中的实体不存在同一性问题，不需要计算后续属性哈希值；

2)重复1)的操作，直至实体识别完成，得到最终识别结果。