TÓM TẮT: Rút gọn thuộc tính là bài toán quan trọng trong bước tiền xử lý dữ liệu của quá trình khai phá dữ liệu và khám phá tri thức. Trong mấy năm gần đây, các nhà nghiên cứu đề xuất các phương pháp rút gọn thuộc tính trực tiếp trên bảng quyết định gốc theo tiếp cận tập thô mờ [Fuzzy Rough Set FRS] nhằm nâng cao độ chính xác mô hình phân lớp. Tuy nhiên, số lượng thuộc tính thu được theo tiếp cận FRS chưa tối ưu do ràng buộc giữa các đối tượng trong bảng quyết định chưa được xem xét đầy đủ. Trong bài báo này, chúng tôi đề xuất phương pháp rút gọn thuộc tính trực tiếp trên bảng quyết định gốc theo tiếp cận tập thô mờ trực cảm [Intuitionistic Fuzzy Rough Set IFRS] dựa trên các đề xuất mới về hàm thành viên và không thành viên. Kết quả thử nghiệm trên các bộ dữ liệu mẫu cho thấy, số lượng thuộc tính của tập rút gọn theo phương pháp đề xuất giảm đáng kể so với các phương pháp FRS và một số phương pháp IFRS khác.
Cá chình hoa [Anguilla marmorata] được nuôi thử nghiệm trong lồng nổi ở hồ Hòa Mỹ [Phong Điền – Thừa Thiên Huế] với hai loại thức ăn là cá tạp tươi và thức ăn công nghiệp. Theo dõi các yếu tố môi trường như nhiệt độ, pH, hàm lượng oxy hòa tan mặc dù có biến động nhưng đều nằm trong ngưỡng chịu đựng của cá. Sau 16 tháng nuôi cá được cho ăn bằng cá tạp tươi có trọng lượng trung bình 826,35±61,35g/con; cá nuôi bằng thức ăn công nghiệp đạt trong lượng trung bình 538,4±30,51g/con. Tốc độ tăng trưởng của cá nuôi bằng các loại thức ăn khác nhau có sự sai khác có ý nghĩa thống kê [P