本研究提出了一种基于边界锚样本的框架，以改善失衡学习中少数类样本的性能。通过设计深度生成模型Anch-SCGAN，并结合对抗与对比学习方法，显著提升生成样本的精度。实验结果表明，该方法在多个真实世界失衡数据集上优于现有技术。