下面对特征人脸算法描述不正确的是（）

下面对特征人脸算法描述不正确的是（）
A、特征人脸之间的相关度要尽可能大
B、每一个特征人脸的维数与原始人脸图像的维数一样大
C、特征人脸方法是用一种称为“特征人脸（eigenface）”的特征向量按照线性组合形式来表达每一张原始人脸图像
D、特征人脸方法是一种应用主成分分析来实现人脸图像降维的方法
正确答案：A
答案解析：
A选项：在特征人脸算法中，特征人脸是通过主成分分析得到的主成分向量。这些特征人脸之间应该是相互正交的，也就意味着它们之间的相关度为0，而不是尽可能大。这样可以保证每个特征人脸所携带的信息是独立的，避免信息冗余，所以A选项描述不正确。
B选项：每一个特征人脸实际上是对原始人脸图像数据进行主成分分析后得到的特征向量，其维数与原始人脸图像的维数一样大。例如原始人脸图像是一个\（m\timesn\）的矩阵，展平后成为一个mn维的向量，那么得到的特征人脸也是mn维的向量，所以B选项描述正确。
C选项：特征人脸方法的基本原理就是利用一组称为“特征人脸”的特征向量，通过线性组合的方式来表达每一张原始人脸图像。即原始人脸图像可以表示为这些特征人脸的加权和，权重反映了该特征人脸在构成原始人脸图像中的重要程度，所以C选项描述正确。
D选项：特征人脸方法本质上就是应用主成分分析来实现人脸图像降维的。它通过对大量人脸图像数据进行主成分分析，提取出方差较大的主成分（即特征人脸），然后用这些特征人脸来近似表示原始人脸图像，达到降维的目的，同时保留了图像的主要特征信息，所以D选项描述正确。