近年来,国民经济迅速发展,人们生活水平不断提高,在关注生活品质的同时,自身健康问题也越来越受到重视。大众对于健身的观念也发生了转变,人们不再满足于通过医疗器械健身,或者是盲目的健身计划,而是寻求更加专业的、有计划的健身方式,从而可以避免盲目性的健身。例如肥胖是一个日益严重的公共健康问题,已经发展为流行病,肥胖是引发糖尿病、高血压、冠心病的重要危险因素,甚至还会让孩子面临心理和社交上的问题。除了控制饮食,合理的运动对这种慢性病的预防和治疗有显著的作用,“运动是良医”的理念已经深深影响到国人。因此,如何给用户提供一个切实可行的运动处方方案,成为了大众的关心点。针对这个问题,个性化推荐技术是一个行之有效的解决方法,它可以帮助用户在大量的运动处方中选择最适合自己的,使运动处方更加符合用户的需求。为了更好地将推荐技术与运动处方相结合,给用户推荐更加满意的运动处方,本文通过研究推荐算法的有关内容,并分析当前已存在的个性化运动处方推荐方法,经过对各种推荐方法的比较,提出了一种以聚类为基础的运动处方方法,然后再结合用户的爱好,对运动处方的运动项目做出调整,为用户提供更加个性化、更加准确的运动处方。本文的主要研究工作如下:（1）本文提出一种基于K-means聚类的运动处方推荐方法。通过用户的特征信息聚类,同类中的特征具有相似性,新用户与每个簇的中心点进行比较,得出用户所在的簇,然后进行相似度比较,得出特征相似度最高的用户,并推荐其运动处方,即初步的个性化运动处方。（2）本文提出了一种基于用户偏好的推荐方法,通过分析新用户的特征信息,得到用户的偏好特征,通过偏好特征研究用户可能感兴趣的运动项目,然后对初步的个性化运动处方做出调整,推荐最终的个性化运动处方。（3）本文设计了一个APP应用,将该算法应用到该系统中,实现了系统的主要功能。