随着国家经济蓬勃发展,人民经济水平和生活质量有了很大提升。人们在追求高品质生活的同时,对自身健康状况的关注度也日益提高。在日常生活中,人们往往会通过健康数据来监测自己的健康状况,比如医院里的体检数据、运动手环里的数据、运动健康类软件里的数据等。这些数据是反映人们健康状况的重要依据。在大数据时代,人们获取自身健康数据的方式多样且日益简便,比如可以通过手机软件、穿戴设备来获取自身健康数据。因此,人们的健康数据在逐渐累积。健康数据的重要性不言而喻,但是在现实生活中,由于一些主观和客观原因,比如系统更新、设备故障、操作失误等问题,往往会造成部分数据丢失而出现缺失值。数据丢失是一个十分常见但又十分令人困扰的问题,缺失值的存在可能会使人们的健康信息不完整,从而导致人们的历史健康数据不可用。因此,预测和补全这些缺失值是十分必要的。而在预测和补全用户的健康数据缺失值的过程中,不可避免会涉及到两个主要问题:（1）在预测和补全健康数据缺失值时会用到用户的历史数据,这可能会泄露用户的健康数据,侵犯用户的隐私。（2）用户的健康数据是非常复杂的,这些健康数据一般是多维的,每个维度可能又包含不同的数据类型（例如连续型、离散型、布尔型等）,这就给预测和补全健康数据缺失值带来了极大的挑战。针对以上两个问题,本文进行了一系列探索和研究,旨在保护用户隐私的前提下,对用户的健康数据缺失值进行预测和补全,并将这种方法应用于实际生活当中。以下是本文的具体研究工作:（1）本文将局部敏感哈希算法引入到复杂数据的处理以及缺失值预测补全问题当中。局部敏感哈希技术（Locality-Sensitive Hashing,LSH）是一种高效处理近似近邻搜索的技术,它能够将带有敏感信息的用户数据哈希成不包含隐私或者包含隐私很少的用户索引,从而保护用户隐私。另外,本文在WISDM数据集上将本方法与设计的对比方法进行实验比较,通过衡量几个常用的指标,证明了隐私感知的多类型健康数据缺失值预测方法的有效性。（2）在实际应用中,本文设计开发出一个健康管理系统,并将隐私感知的多类型健康数据缺失值预测方法应用于本系统。本文先对系统进行可行性分析、需求分析（功能需求分析和非功能需求分析）,然后再对系统进行概要设计和详细设计,并利用Java语言和Eclipse开发环境进行软件的开发。