رشد سریع پایگاه داده های چندرسانه ای نیاز به داشتن مکانیزمی کارامد و موثر برای مدیریت پایگاه و بازیابی تصاویر را آشکار می سازد. بنابراین، راهکار بازیابی تصویر مورد توجه ی ویژه در حوزه های بازیابی اطلاعات و پردازش تصویر قرار گرفته است. بازیابی مبتنی بر محتوای تصویر شامل فرایند جستجو بدنبال تصاویر موردنظر در یک پایگاه داده ی بزرگ و براساس ویژگی های سطح پایین است که از محتوای تصاویر استخراج شده اند. مهم ترین بخش های یک سیستم جستجوی مبتنی بر محتوای تصاویر عبارتند از انتخاب مناسب ترین زیرمجموعه از ویژگی ها و استفاده از مکانیزم نمایه سازی بردارهای ویژگی بمنظور بهبود بازیابی تصاویر مشابه در جستجوی یک تصویر نمونه. مناسب ترین مجموعه ی ویژگی ها شامل کمترین تعداد ویژگی هاست که از بیشترین تعداد حوزه های کاربردی پشتیبانی کند. مکانیزم مورد استفاده برای نمایه سازی بردارهای ویژگی بستگی به حوزه ی کاربرد هدف دارد و شامل روش های یادگیری ماشین است. هدف ما در این پژوهش پیشنهاد یک سیستم ذخیره و بازیابی مبتنی بر محتوای تصویر برای پشتیبانی از حوزه ی کاربرد عمومی بمنظور استفاده در کاربردهای تجارت الکترونیکی بربستر شبکه ی جهان گستر وب می باشد. بنابراین، از روش یادگیری ماشین بدون نظارت برای نمایه سازی بردارهای ویژگی استفاده می کنیم. به علاوه، برای انتخاب بهترین زیرمجموعه از ویژگی های تصویری قانون همبستگی موجود بین ویژگی ها و حوزه های کاربردی استخراج می شود. الگوریتم خوشه بندی k-means بعنوان راهکار یادگیری ماشین بدون نظارت برای نمایه سازی مجموعه ی بردارهای ویژگی استفاده شده و دقت 80.8 درصد در خوشه بندی تصاویر بدست آمد.