随着互联网技术和多媒体技术的快速发展，作为多媒体数据源之一的图像的资源量剧增，并且深刻影响着人们生产生活的各个领域，因此，如何高效地获取和使用图像信息，成为了当前学术界和工业界的研究热点。图像分类是图像应用技术的基础组成部分，有着广泛的研究和应用前景。为了克服单一机器学习算法在分类效果方面的局限性，本文在分析和比较了已有的图像分类系统的基础上，提出了一种基于多种机器学习算法的协同预测的图像分类系统，并进行了设计与实现。本文主要描述了基于机器学习的图像协同分类系统的开发过程。首先，简要的阐述了图像分类系统的发展背景和研究意义；然后对图像特征提取技术和理论进行了详细的介绍，包括了颜色特征提取、纹理特征提取等；接着深入分析了一些常用的机器学习算法，其中有支持向量机、朴素贝叶斯、k最近邻和决策树；随后对系统功能性与非功能的需求分析，简要介绍了系统的四个层；接着详细阐述了系统的具体设计与实现，包括数据库设计、大数据块分割、多个机器学习算法并行训练、多个机器学习算法协同预测以及动态加载和扩展机器学习算法；最后，介绍了系统的部署和配置的方法，并对系统的关键功能进行了对比测试，测试结果表明，与单一算法预测相比，多种机器学习算法协同预测降低了结果对分类算法的特点以及样本的类型的依赖性，除此之外还拥有更稳定和更好的分类效果。