当前，由于我国正处在社会转型、经济转轨的阶段，在加快改革开放与建立社会主义市场经济新体制的历史条件下，各种社会矛盾增多。近年来，随着我国网民和手机用户人数的不断增加，各种社会矛盾已由原本的现实世界局部讨论，转移到网络这个虚拟世界的全局讨论。我们把这些在网络上出现的事件，称作为“新媒体事件”（Newmedia events）。从“SARS肆虐事件”到“7.23动车事件”，新媒体事件已经成为一种普遍存在的网络以及社会现象。网络预警系统(Warning system)的主要研究方向是网络信息安全，如对网络入侵和攻击行为的监测，而较少关注新媒体事件的预警，对新媒体事件预警系统的研究存在必要性。通过研究新媒体的“群体极化”、“沉默螺旋”、“蝴蝶效应”以及“沸水效应”等传播特点发现，新媒体事件存在着两面性，因此，当一新媒体事件出现时，有关部门不能简单的放任发展，也不可以对其做全盘的否定。但由于网络信息冗杂繁多，不可能了解到每个信息以及对了解的每个信息都做出合理判断，因此，新媒体事件预警系统就需要具备信息自动收集与分类预警功能。针对预警系统的两大功能，本文的研究重点主要有以下几个方面：1.新媒体事件信息的收集。在基于网络爬虫技术的基础上，构建网站的后台自动上传功能，对满足条件的信息，及时上传到预警系统；可以填补人工收集的遗漏或免去人工收集环节。2.遗传算法的改进。在分析常用聚类算法的基础上，将遗传算法(GeneticAlgorithm,简称GA)与K-means算法有效结合，提出了一种适合运用于新媒体事件聚类的混合K均值遗传算法，此算法改善了遗传算法的收敛较慢，以及K-means易于陷入局部最优解的不足。并运用最优保存策略、单点交叉以及单点变异操作，更大程度保证了混合K均值遗传算法的收敛。3.分类预警功能的实现。通过原有的新媒体事件为依据建立一个聚类模型，确定新媒体事件的类别，为基于新型遗传算法的聚类模型得到的每类新媒体事件设计一套基本的处理措施，系统会对收集到的新媒体事件运用贝叶斯网络分类器进行分类，并做出正确的处理，以达到对新媒体事件的预警，预防群体性事件的发生。实例仿真实验证明了预警系统的可行性和有效性。