BERT（Bidirectional Encoder Representations from Transformers）预训练模型的主要特点是基于双向的 Transformer 编码器。因此，正确答案是 A: 基于双向的 Transformer 编码器。

### 专业分析：

1. **双向性**：
- BERT 的核心创新在于其双向性。与传统的单向语言模型不同，BERT 在预训练时同时考虑了词汇的左侧和右侧上下文。这种双向的上下文感知能力使其在理解句子结构和语义时更加准确。

2. **Transformer 编码器**：
- BERT 使用的是 Transformer 架构中的编码器部分。Transformer 是一种基于注意力机制的神经网络架构，编码器部分专注于输入序列的特征提取。BERT 利用多层的 Transformer 编码器来实现深度的语义理解。

3. **与其他选项的对比**：
- B: 基于单向的 Transformer 解码器：这种结构通常用于生成任务，如语言生成，而不是 BERT 的目标。
- C: 基于双向的 LSTM 拼接：虽然 LSTM 可以是双向的，但 BERT 并不使用 LSTM 结构，而是基于 Transformer。
- D: 以上都不是：显然不正确，因为 A 是正确的。

因此，BERT 的特点在于其基于双向 Transformer 编码器的设计，这使其在各种自然语言处理任务中表现出色。