添加了核的核主成分分析可以挖掘非线性关系，而PCA不能

正确答案是：B: PCA是一种线性降维方法，无法挖掘非线性关系。

**分析：**

主成分分析（PCA）是一种常用的降维技术，主要用于将高维数据投影到低维空间，同时尽可能保留数据的方差。然而，PCA本质上是一种线性降维方法，它只能捕捉到数据中的线性关系，对于非线性关系的处理能力有限。

核主成分分析（KPCA）通过引入核函数，将原始数据映射到一个高维特征空间，在这个高维空间中进行PCA，从而能够处理和挖掘数据中的非线性关系。具体而言，KPCA利用核技巧（kernel trick），在不显式计算高维映射的情况下，通过核函数计算内积，极大地提高了处理非线性数据的能力。

因此，选项B是正确的，因为KPCA解决了PCA无法处理非线性关系的问题。选项A、C和D并不准确：

- A: PCA的最大化方差理论在很多情况下是适用的，问题在于它的线性假设。
- C: KPCA的复杂性并不是其优越性的主要来源，关键在于它能够处理非线性关系。
- D: 核主成分分析中的特征值计算并不一定更快速，反而由于引入核函数，计算复杂度可能更高。

综上所述，KPCA的主要优势在于其能够处理非线性关系，这正是PCA无法做到的。