针对区间值数据的数据聚类问题，根据可拓学关联函数的定义，提出可拓距离的概念来度量数据之间的距离，利用K近邻的思想，根据可拓距离的大小对数据集的目标属性进行投票选择进行分类，设计了可拓K近邻算法（Extension K Nearest Neighbor，EKNN）。最后利用UCI的两个基准数据集Iris植物样本数据和糖尿病数据库PIDD进行验证，首先通过免疫网络约简算法对条件属性进行最小属性约简，然后利用EKNN算法分析和比较不同最小约简属性下的分类准确率。