粗糙集理论中要求离散化保持原有决策系统的不可分辨关系，但以往的一些算法在离散过程中会使近似精度控制在可以接受的范围，即允许一定的错分。针对此不足，在保证决策属性绝对不改变的情况下，提出一种新的区间拆分方法，更合理有效地对连续属性进行离散化。实验通过C4.5和支持向量机分别对离散化后的数据进行识别与分类预测，实验结果证明了算法的有效性。