在CAIM 算法中，离散判别式仅考虑了区间中最多的类与属性间的依赖度，使离散化过度而导致结果不精确。基于此，提出对CAIM 的改进算法，该算法考虑到按属性重要性从小到大顺序进行离散，同时根据粗糙集理论提出条件属性可分辨率概念，与近似精度同时控制信息表最终的离散程度，有效解决了离散化过度问题。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和分类预测，结果证明了该算法的有效性。