El método del gradiente conjugado espectral (SCGM) es una generalización importante del método del gradiente conjugado (CGM), y también es uno de los métodos numéricos efectivos para la optimización irrestricta a gran escala. El diseño del parámetro espectral y del parámetro conjugado en SCGM es un trabajo central. Y el objetivo de este artículo es proponer un método alternativo nuevo y efectivo para estos dos parámetros. Primero, motivados por el requisito de la búsqueda de línea de Wolfe fuerte, diseñamos un nuevo parámetro espectral. Segundo, proponemos un parámetro conjugado híbrido. De esta manera, al obtener los dos parámetros, se puede garantizar que las direcciones de búsqueda siempre posean la propiedad de descenso sin depender de ninguna regla de búsqueda de línea. Como resultado, se propone un nuevo SCGM con la búsqueda de línea de Wolfe estándar. Bajo suposiciones habituales, se demuestra la convergencia global del SCGM propuesto. Finalmente, al probar 108 instancias de prueba de 2 a 1,000,000 dimensiones en la biblioteca CUTE y otras colecciones de pruebas clásicas, se ejecutan un gran número de experimentos numéricos, comparando tanto SCGMs como CGMs, para el SCGM presentado. Se informan los resultados detallados y sus perfiles de rendimiento correspondientes, que muestran que el SCGM propuesto es efectivo y prometedor.