在聚类分析中，簇有效性度量的目的是评估聚类结果的质量。簇有效性的度量可以分为监督度量和非监督度量两类。以下是对候选答案的分析：

1. **轮廓系数 (Silhouette Coefficient)**：
- **描述**：轮廓系数是一种非监督的聚类有效性度量方法，它量化了数据对象到其自身簇内点和最近簇内点的距离差异。
- **分析**：轮廓系数不依赖外部标签来评估聚类质量，因此它属于非监督度量。

2. **共性分类相关系数 (Adjusted Rand Index, ARI)**：
- **描述**：ARI用于评估聚类结果与真实标签之间的相似性。它考虑了正确和错误的对偶情况。
- **分析**：ARI是一种监督度量，因为它需要使用真实的分类标签来评估聚类结果的好坏。

3. **熵 (Entropy)**：
- **描述**：熵通常用于衡量系统的混乱程度。在聚类中，熵可以用于衡量簇中类标签的分布。
- **分析**：如果用于外部评价（即与真实标签比较），熵可以成为监督度量的一部分。因此，具体使用时需看上下文。

4. **F度量 (F-measure)**：
- **描述**：F度量结合了精确率和召回率，是一种用于评估分类模型质量的指标。
- **分析**：F度量典型用于有监督学习，因为它通常需要实际类别标签来进行计算。

### 结论

根据以上分析，属于簇有效性的监督度量是 **B: 共性分类相关系数** 和 **D: F度量**。这两个度量需要真实标签来评估聚类效果，而 **A: 轮廓系数** 是非监督度量，**C: 熵** 需要具体情境决定其是否为监督度量。