提出了一种基于聚类方法的无监督连续属性离散化算法，称为CAMNA（Clustering and Merging on Numerical Attribute）算法。CAMNA算法通过聚类过程将数值值域划分为多个离散区间，根据类分布的指导信息优化合并相邻区间，实现理想的离散方案。通过实验证明该算法在保持执行效率较高的前提下，离散结果更加合理，生成的决策树结构简单，获得较少的分类规则，分类准确率也有提高。